[发明专利]一种基于地铁刷卡数据的乘客出行行为分析方法

权利要求书

1.一种基于地铁刷卡数据的乘客出行行为分析方法，其特征在于：包括 以下步骤：

(1)数据预处理：对原始数据进行了合并和整理，得到行人出行记录， 每条行人出行记录包含：乘客出行进站站点、进站刷卡时间、出 站站点和出站刷卡时间；

(2)特征提取：根据行人出行记录，进行行人进站时间聚类，得到每 个乘客的固定出行天数，进行乘客出行特征提取来获得乘客出行 特征；

(3)乘客聚类：根据乘客出行特征，进行乘客聚类，获得乘客聚类结 果，并对乘客聚类结果进行分析。

2.根据权利要求1所述的基于地铁刷卡数据的乘客出行行为分析方法， 其特征在于：所述步骤(1)包括：

(1.1)统一站点编号；

(1.2)去除员工卡数据及垃圾数据；

(1.3)合并出行刷卡纪录。

3.根据权利要求2所述的基于地铁刷卡数据的乘客出行行为分析方法， 其特征在于：所述步骤(2)采用DBSCAN聚类方法对每个行人的多条 出行记录进行聚类，将同一个卡号、具有相同进出站记录的进站时间 进行聚类，半径选取一小时。

4.根据权利要求3所述的基于地铁刷卡数据的乘客出行行为分析方法， 其特征在于：所述步骤(3)中采用Kmeans聚类算法进行乘客聚类。

5.根据权利要求4所述的基于地铁刷卡数据的乘客出行行为分析方法， 其特征在于：所述Kmeans聚类算法包括以下步骤：

(3.1)选定k个向量作为初始的聚类中心{c¹，c²，c³，…，c^k}；

(3.2)将待分类的向量逐个计算与每个聚类中心的距离，按最小距 离原则把每个向量划分到每一类中，向量间距离采用欧氏距离

dis(x,ck)=Σi=1m(xi-cik)2---(1)]]>

其中：表示某个聚类中心c^k的第i个特征取值；

(3.3)重新计算分好类之后的每个类中心，利用公式(2)计算每个 类中所有向量的均值，其中，v表示的是第k类内向量的个数

ck=(1vΣj=1vcj1,1vΣj=1vcj2,1vΣj=1vcj3,...,1vΣj=1vcjm)---(2)]]>

(3.4)如果重新计算的类中心有变化，则转至步骤(3.2)重新迭代， 直到每个类中心不再发生变化。