[发明专利]一种基于doc2vec的地铁站点功能挖掘方法

权利要求书

1.一种基于doc2vec的地铁站点功能挖掘方法，其特征在于，步骤如下：

(1)收集地铁站往返客流数据与POI数据；

(2)对步骤(1)收集到的数据进行预处理

a)提取站点唯一名称、每条客流信息往返站点名称及时间、地铁站点经纬信息；

b)合并重复站点名称的往返客流量；

c)将步骤b)整理后的数据按照工作日和节假日两种形式分别存储；

d)再将每日的数据按照客流量划分出几个客流量高峰段分别存储；

(3)进一步处理步骤(2)所得数据集，得到doc2vec算法输入数据

a)将M个工作日数据划分为一类、N个节假日数据划分为另一类，简化输入数据；

b)将数据集中的站点名称用矩阵下标的形式代替，将W个独立站点分别编号，用于作为矩阵下标的依据；

c)针对地铁站点总数量n，构造n*n矩阵P_i，并将步骤(2)所得数据集表示在矩阵P_i中，其中下标i代表工作日与节假日的总和；某日的某时刻有m个乘客从a站点到达b站点，那么表示在矩阵P_i中就是P_i(a,b)＝m；

d)将工作日的K个时刻点的矩阵分别以列交叉的形式合并，节假日的矩阵采取同样操作；即合并后的矩阵的第一列为第一个矩阵的第一列，第二列为第二个矩阵的第一列，以简化迭代次数和增大doc2vec算法效果；

e)将数据以平均数形式表示，以简化运算量；

f)将地铁站点的POI数据集也加入到矩阵后，作为整体向量输入，以综合考量地理环境因素；

g)将数据分为整体数据、7点到9点早高峰数据、11点到13点中午高峰数据和17点到19点晚高峰四个部分；

(4)基于doc2vec算法进行地铁站相似度挖掘

调用doc2vec算法中的most_similar(n)方法计算站点间的相似度，其中n代表站点数目；分别计算不同条件下站点间相似度结果矩阵，具体包括：

a)未加入POI数据集时，节假日与工作日不同站点间的相似度；

b)加入POI数据集以后，节假日与工作日不同站点间的相似度；

c)早中晚高峰时段加入POI数据集以后，不同站点间的相似度；

(5)基于步骤(4)所得结果进行Affinity Propagation聚类并挖掘站点功能

a)根据步骤(4)所得的相似度分析结果，确定聚类数量，其中相似度高的站点归为一类；

b)将地铁站客流数据生成的相似度矩阵和加入地铁站POI数据集以后生成的相似度矩阵分别进行AP聚类；

c)将数据集按照早中晚不同高峰时段分别进行聚类对比；

d)综合考虑上述对比实验结果，挖掘并总结出不同地铁站点的功能。