[发明专利]一种人群移动规律的可视化方法

说明书

本发明公开了一种人群移动规律的可视化方法，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；(2)对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，得到移动模式描述向量；(5)根据得到的移动行为模式和移动模式描述向量，计算得到移动行为模式转移图；(6)将得到的数据进行可视化，包括：特征分布图、移动行为图以及移动模式转移图；本发明方法通过对数据挖掘模型预计算和可视化，可以实时交互式分析人群移动的规律。

技术领域

本发明涉及数据可视化技术领域，尤其涉及一种人群移动规律的可视化方法。

背景技术

近年来人类行为定量化分析，特别对行为模式的建模是当前复杂性学科的研究热点。人类行为的理解和探索对城市规划、交通流化和信息推荐等方面有至关重要的作用。城市计算的目标是使城市变得更加适宜居住，生活更加便捷。城市计算作为一个新兴领域，为社会各种复杂现象提供了新的视角。在城市规划、交通优化和流行病等领域中，了解和认识人类移动模式变得越来越重要。了解人们的目的地和出行工具反应了人类行为和周围建筑环境的关系，同时也为城市路线规划、灾害预防等提供了参考依据。

由于手机用户的爆发式增长，大量的高精度的手机基站数据使得人类移动行为建模变得更具可靠性，科研人员现在能够以前所未有的角度研究人类移动行为。同时也有越来越多的研究者关注数据驱动人类移动模式的发展。同样也有许多最新工作在研究轨迹数据的可视化分析，但是从城市数据中可视化挖掘移动行为模式仍具有挑战性。

先前基于手机数据的工作在探索人类行为和移动模式上有了巨大的进步。研究人员用了多种方法研究人类移动模式，包括统计力学，信息论，移动模型，数据挖掘。这些方法都很有效，但当前的研究都集中于挖掘大规模行动的统计规律，或者分析个体的移动轨迹数据。

同时，数据挖掘的方法，如动态贝叶斯网络，结果存在非常多的参数，想要整体了解整个城市的移动规律需要对所有参数都有整体的了解，显然这是十分困难的。可视化是解决此类问题的最有效的工具之一，可视化可以提供一个对整体规律的可视化表示，进而快速地帮助人们理解数据里面包含的有效信息。所以我们需要针对数据挖掘的结果设计一种相适应的可视化方法，对结果进行展示、分析和理解。

发明内容

本发明提供了一种人群移动规律的可视化方法，通过构造移动行为模式转移图，并将用可视化的方法将转移图中的数据展示出来，为对人群移动规律研究和分析提供有利条件。

一种人群移动规律的可视化方法，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；