[发明专利]一种人群移动规律的可视化方法

权利要求书

1.一种人群移动规律的可视化方法，其特征在于，包括以下步骤：

(1)对每个用户的轨迹按照移动行为的动态变化进行划分，将轨迹划分为多个轨迹片段，每一个轨迹片段对应描述一种行为；

(2)对步骤(1)中得到的轨迹片段集合进行特征抽取，获得用来刻画轨迹片段的特征向量；

(3)将步骤(2)得到的所有用户的所有轨迹片段的特征向量进行聚类以将相似行为的轨迹片段组成一个移动行为模式；

(4)计算每个轨迹片段和各移动行为模式的相似性，得到描述轨迹片段属于各个移动行为模式概率的移动模式描述向量；

(5)根据步骤(3)和步骤(4)计算得到的移动行为模式和移动模式描述向量，计算得到刻画所有人的移动行为模式及其转移的移动行为模式转移图，图中的结点集合是不同时间点上的移动行为模式，边集合是移动行为模式间转移的概率；

(6)将步骤(2)～(5)得到的数据进行可视化，包括：

特征分布图：每个轨迹片段得到一个多维特征向量，设有平行坐标轴并显示特征向量的各个维度的值；

移动行为图：设置矩阵分布的带有颜色透明度的方块，每一行代表一个移动行为模式，特征向量在多个维度上的平均值转化为多个带有颜色透明度的方块；

移动模式转移图：将移动行为模式转移图的节点集合转换为等宽的矩形，矩形的高度代表这个时刻属于当前移动行为模式的轨迹片段的数目，即节点权重，同一个时刻上的节点垂直排放为一个堆叠图；移动行为模式转移图的边集合用两个连续时刻间的移动行为模式的转移边由曲线表示，曲线连接了前后两个移动行为模式，曲线的宽度代表转移概率的大小，即边的权重；

步骤(3)中，将轨迹片段用移动行为模式描述向量来表达的具体步骤如下：

通过对所有用户的所有轨迹片段的特征向量的K-means聚类，得到K_m个聚类移动行为模式及他们的聚类中心

步骤(4)中，计算每个轨迹片段和各移动行为模式的相似性，得到描述轨迹片段属于各个移动行为模式概率的移动模式描述向量的具体过程如下：

对于每个轨迹片段，计算和K_m个移动行为模式的相似性，得到描述轨迹片段属于各个移动行为模式概率的移动模式描述向量其中f(x)是一个高斯权重函数，c是中心，w是高斯核的宽度；

步骤(5)中：计算得到移动行为模式转移图的具体过程如下：

图中的结点集合V是不同时间点上的移动行为模式，通过对轨迹片段的均匀重采样，可以得到在时间点t_i上属于第j个移动行为模式的轨迹片段的数目，作为结点的大小：

其中，是一个指示函数，当时间点ti在轨迹片段Fk的时间间隔中且轨迹片段Fk属于第j个移动行为模式时，否则

利用动态贝叶斯网络对移动行为模式的转移进行建模，通过求解以下方程，得到任意时刻的转移概率，构成图中的边集合E：

其中d代表转移矩阵的第d行；

转移矩阵中的每一个元素代表结点中轨迹片段转移到结点中轨迹片段的概率；

L是总人数，L^l是每个人的轨迹片段数目；

λ是控制转移矩阵系数度的参数；

是权重系数：

其中h是高斯分布的方差。

2.如权利要求1所述的人群移动规律的可视化方法，其特征在于，步骤(1)中，将轨迹划分为多个轨迹片段的具体过程如下：

定义用户的轨迹R＝{r₁，r₂，...，r_n}，定义r_i＝(x_i，y_i，t_i)是带有时间戳的位置记录；

检测R＝{r₁，r₂，...，r_n}中的停留轨迹片段，检测方法如下：

从第一个记录点向后扫描，当满足以下条件时一系列轨迹记录点构成停留轨迹片段条件为：

给定时间阈值τ和距离阈值δ，第一个记录点的时间到最后一个记录点的时间应当大于τ：第一个记录点到任意一个记录点的距离要小于δ；是最长的序列：

除了停留轨迹片段外其余属于移动轨迹片段。