[发明专利]一种基于手机信令大数据的旅游行为识别方法

权利要求书

1.一种基于手机信令大数据的旅游行为识别方法，其特征在于包括如下步骤：

S1，用户标定惯常地分析识别，基于手机信令的用户轨迹，通过用户在规定地点停留指定时间作为筛选指标，根据曲率分析法设定惯常地筛选阈值，标定用户的惯常地；所述曲率分析法采用幂函数对分布数据进行曲线拟合，计算拟合后的曲线曲率，以曲率最大值所对应的停留次数D作为惯常地筛选阈值；

S2，以标定惯常地为锚点的闭环行程提取，所述闭环行程指用户以惯常地为锚点，经过一段轨迹，然后又回到锚点，这段轨迹作为用户出行的闭环行程；

S3，惯常地附近随机出行时空阈值分析和过滤，针对所有的用户闭环行程，剔除标定惯常地的行程后，统计剩余行程并计算获得随机出行的时空阈值，通过时空阈值过滤随机出行，获得旅游的有效行程；

S4，场景化目的地剔除，从旅游的有效行程中剔除用户非旅游目的的行程；

S5，旅游行为结果输出。

2.如权利要求1所述的一种基于手机信令大数据的旅游行为识别方法，其特征在于所述步骤S1包括如下步骤：

S11，汇总用户不少于一年的轨迹数据，计算每个用户在一年内规定位置的停留次数和停留月数，所述规定位置指范围为250米的栅格，所述停留次数以天为计算单位，一天停留多次记为一次，所述停留月数指用户在规定位置有多少个月有过停留；

S12，针对所有用户统计每个停留次数下的栅格数，并在每个停留次数下对所有用户求均值；

S13，采用幂函数对分布数据进行曲线拟合，计算拟合后的曲线曲率，以曲率最大值所对应的停留次数D作为惯常地筛选阈值；

S14，针对用户停留次数小于D的栅格，长间隔的周期性出行也认定为属于惯常出行，将出行大于等于3个月认定为已形成周期性的出行习惯，则停留月数M大于等于3的位置也作为用户惯常地；

S15，通过计算得到的惯常地筛选阈值D和M，对步骤S11得到的数据进行筛选，得到用户对应的惯常地，将夜间停留最多的栅格标定为居住惯常地，白天停留最多的栅格标定为工作惯常地。

3.如权利要求2所述的一种基于手机信令大数据的旅游行为识别方法，其特征在于所述步骤S13包括如下步骤：

S131，曲线拟合基函数为：y=a * x^b，其中a,b为待估计的常数，x为停留次数，值域为[1,365]的整数，y为栅格数；

S132，计算幂函数曲率，曲率计算公式为：K=|y'' |/[(1+(y') ²)]^(2⁄3)，其中y'为幂函数一阶导，即y'=ab*x^(b-1)，y''为幂函数二阶导，即y''=ab(b-1)*x^(b-2)；以0.1作为间隔画出曲率趋势，将曲率最大的点对应天数D作为用户惯常地次数筛选阈值，当用户在某栅格停留次数超过D，认为该地为用户惯常地。

4.如权利要求2所述的一种基于手机信令大数据的旅游行为识别方法，其特征在于所述步骤S2包括如下步骤：

S21，以居住惯常地为锚点，在手机信令轨迹中标定，离开锚点周边半径为R的范围的时刻，为出发时间，返回的时间为到达时间；

S22，若用户来自于分析区域之外，则以其出入边界为出发时间和到达时间；

S23，出发时间和到达时间内的所有轨迹构成用户出行的闭环行程；

S24，计算闭环行程的行程距离和行程时长。

5.如权利要求1所述的一种基于手机信令大数据的旅游行为识别方法，其特征在于所述步骤S3中针对所有的用户闭环行程，剔除标定惯常地的行程后，统计剩余行程的最大距离和行程时长的联合分布：分别以1km和1小时作为数据间隔进行统计，当行程越集中在惯常地附近并且行程时长较短时，行程数越多，则认为属于惯常地附近的随机出行；当行程时长和行程的最大距离同时逐渐变大，则认为用户可能为旅游；通过梯度下降的方式获得随机出行的时空阈值：

其中n_t,d表示时间为t，距离为d的数值；当δ≤1时，计算δ的最大值，将最大值所对应的行程时间T和行程距离D’作为有效行程的时间距离切分点，当行程时间大于等于T小时，并且行程距离D’公里时，认为该行程为非随机出行，即作为旅游的有效行程。