[发明专利]一种基于LDA模型的地铁站点功能挖掘方法

说明书

本发明属于数据挖掘技术领域，一种基于LDA模型的地铁站点功能挖掘方法，步骤如下：1)数据收集：包括地铁刷卡数据、地铁POI数据等。经过筛选提取预处理以后，得到实验所需的潜在主题分布向量，以保证分析结果的普适性；2)语义挖掘：应用LDA主题模型，以乘客出行模式分布矩阵和POI相对含量矩阵为输入挖掘动静语义；3)站点聚类：在功能挖掘方面，本发明使用先进的聚类算法获得按功能的站点聚类簇；4)站点分类标识：本发明从类间客流转移、地理功能占比分布、簇间相似度3个角度提出站点功能标识方法，使得分析结果权威可靠。以上海地铁为例进行的地铁站点功能挖掘实验表明，本方法对于处理类似问题具有出色表现。

技术领域

本发明属于数据挖掘技术领域，尤其在揭示地铁沿线区域功能、把握城市交通系统规划、建设智慧城市等领域具有重要意义，具体涉及一种基于LDA模型的地铁站点功能挖掘方法。

背景技术

随着信息技术革命的不断深入，信息化与数字化的浪潮席卷了现代城市。然而，现代化和城市化的迅猛发展也带来了诸如交通拥堵、资源配置、环境污染等棘手问题。如今，大数据的发展为解决这些问题提供了思路和可能。利用城市大数据和城市计算为城市管理者和规划者提供有价值的信息参考，提升城市管理、服务效率，可以处理城市发展中遇到的问题和挑战。基础设施方面，传感技术的大范围扩散、智能交通系统以及基于地理位置的IT服务不但为城市生活带来了智能和极大的便捷，还使我们获得了大量的城市数据，例如人类移动轨迹信息、社会活动信息及环境信息等，同时，数据中心和云计算的建设和发展也在技术上使我们具备了处理这些大规模异构数据的能力。

数据挖掘是一门结合了统计学、人工智能、机器学习和数据库系统的发现巨大的数据集中模式的计算过程，是计算机科学下的一门交叉学科。数据挖掘的总目标是从数据集中提取信息并将其转化为可理解的结构为未来所用。

在现代城市交通系统中，地铁凭借载客量大、快速高效、低环境污染的特点成为当今都市最优的交通方式。作为一座城市交通的脉搏，一方面，地铁系统方便了城市中心地带间的互通往来，因此，地铁站点往往是一座城市执行其城市功能最中心的地标性地带，另一方面，地铁也促进了地铁线路沿线经过的区域的发展，故而新的功能区在地铁站点处聚集成型。众所周知，城市的不同区域在城市发展的进程中渐渐孕育出了各类的城市功能，以满足居民某种特定的社会经济活动需求，这些区域既可以是人为的被规划者所设计，也可能是由于人类实际生活方式所自然形成，同时，在一个城市发展的过程中，这些功能区的区域和功能都可以被改变。在地铁沿线的站点所在区域的功能形成和演化正是以上过程的典型代表，加以地铁系统在城市发展中不可或缺的地位，使得地铁沿线地区的功能相较其他区域更为特殊重要。

发明内容

本发明的目的是运用数据挖掘的方法揭示地铁沿线区域功能。挖掘地铁站点这一城市重要的特殊区域的功能，可以让我们了解城市核心功能分布，把握城市生命线发展脉络，进而为诸如城市交通系统规划、区域发展规划、资源配置等城市规划提供宝贵的参考，建设智慧城市，具有重要的实际意义。

本发明的技术方案：

一种基于LDA模型的地铁站点功能挖掘方法，步骤如下：

(1)收集地铁客流数据作为乘客出行模式矩阵，收集地铁POI数据作为POI相对含量矩阵；

(2)以乘客出行模式矩阵和POI相对含量矩阵为输入，应用LDA主题模型挖掘站点静动语义；

(3)移动语义挖掘与位置语义挖掘

a)将所有站点的出行模式的频率通过一个形为m*n的矩阵M_sp来表示，其中m为站点的总数目，n为所有可能出现的出行模式的总数目；

b)将站点出行模式矩阵M_sp作为LDA的输入，得到一个m*k的站点功能矩阵，其中，k为潜在功能的数目，k设为20；