[发明专利]一种基于职住对应关系和时空间核聚类的驻点判断方法

说明书

本发明提供一种基于职住对应关系和时空间核聚类的驻点判断方法，按照采样要求获取指定时间段内高频率信号触发、具有时空间关联特征的用户信令数据和用户上网数据，通过两轮职住对应关系和时空核聚类分析，形成较粗粒度具有时空活动特征的时空间驻点集合，对获得的时空间驻点集合进行校验和算法优化，并进行特殊人群活动特征分析，最终形成基于交通小区的OD矩阵出行表，从而为交通规划和交通需求管理提供满足时空出行活动链特征的大数据支撑。本发明结合职住对应关系和时空间核聚类分析各自的优势，最终形成具有时空活动特征的驻点序列，进一步提高了交通出行OD矩阵的合理性和精确性，并有效地降低了成本。

技术领域

本发明涉及交通规划和交通需求管理的技术领域，具体是一种基于职住对应关系和时空间核聚类的驻点判断方法，可为交通规划和交通需求管理提供满足时空出行活动链特征的大数据支撑。

背景技术

交通OD出行矩阵是在交通网络中基于交通小区的起点——讫点出行的特征矩阵(Origin—Destination Matrix)，用于描述城市交通区域间的交通出行量分布情况，是构建交通规划模型的重要组成部分。传统的交通OD矩阵是基于个体交通出行调查数据进行统计分析的处理过程，需要经过起讫点抽样调查、数据扩样和OD矩阵整理三个步骤，分析处理结果可反映城市交通需求分布特征。

基于传统交通调查的OD出行矩阵分析处理过程，需要耗费大量人力、物力、资金和时间，并且不可频繁进行。随着手机终端普及，通过手机定位技术获取用户交通出行信息具有成本低、覆盖范围广等优点，使得手机数据作为现有交通数据采集技术的重要补充，并为居民时空出行的OD特征提取提供了很好的技术支持。由于手机定位数据是基于用户使用行为的高频率触发数据，而对于满足交通规划需求的OD矩阵更关注交通出行的起讫点(OD)活动，手机定位数据包含大量交通出行活动过程中的冗余数据，因此，基于手机定位技术的OD出行矩阵，其关键技术在于对手机定位数据的驻点判断。

目前针对手机定位技术的驻点判断，主要是对手机用户出行时间序列的位移状态判断，通过对每一个位移点的出行时间、矩离、速度等要素分析，实现对位移点出行驻留状态的判断。该驻点判断技术缺点在于忽略了用户出行活动和出行目的特征，比如一般用户出行活动：通勤、生活、娱乐、出游等活动，通勤出行的链式出行活动可由交通三要素的时间序列判断，而对于生活、娱乐出行，如商场、公园、大型娱乐区等，有多个基站覆盖，并同时在多个基站有长时间驻留，则有可能被判定为多次驻留点，而对于交通出行OD矩阵来说，一次出行目的活动的出行应该被判定为一次出行，因此，基于时间序列的位移状态判定，会忽略出行目的活动特征，造成不满足交通出行OD活动特征的驻点误判。

发明内容

针对现有OD驻点判断方法中存在的缺陷，本发明提供了一种低成本、高准确度的基于职住对应关系和时空间核聚类的驻点判断方法，其具体步骤如下：

步骤1：采集手机信令数据、上网数据，所述手机信令数据包括用户画像标签属性数据；

步骤2：利用步骤1采集到的手机信令数据和上网数据，提取半年内手机触发数据进行职住判断：首先，对半年内常发性的地点进行空间聚类，再根据停留时间间隔在空间聚类点发生的频次进行高频分析，对满足时空间要求的高频点进行职住判断，其中，居住地判断要结合夜晚常发性开关机频次进行频度权重分析判断，就业地判断要结合用户年龄标签进行基于时长的频繁项集居民就业特征判断，获得用户的居住地以及就业地，即得到职住分布特征；

步骤3：基于步骤2得到的职住分布特征，进行时空间核聚类分析：首先，将获取到的手机信令数据按时间顺序进行排列，并将具有中心聚类特征和时空出行特征的点集，进行基于时空间关联的时空间核聚类分析，从而去除信号漂移点和连续短距离具有中心聚类特征的逗留点，并结合职住分布特征，对于满足职住分布特征的驻点进行标记，而对于不满足职住分布特征的驻点进一步进行时空间聚类分析，进一步判断是否属于驻点，形成具有时空间关联特征的时空间驻点集合序列；