[发明专利]基于时空数据挖掘的地铁乘客分类方法

摘要

本发明公开一种基于时空数据挖掘的地铁乘客分类方法，包括步骤：S1、基础数据计算，包括智能卡有效统计和站点间相似度计算；S2、数据预处理；S3、乘客分类。本发明的有益效果：通过基于时间、空间的用户出行规律算法，通过对乘客的出行特征分析，将具有相似特征的乘客聚类，并最终完成乘客分类，类别1：极少出行乘客、类别2：单时间规律性乘客、类别3：单空间规律性乘客、类别4：时间和空间规律性乘客、类别5：时间和空间均不规律乘客。上述分类方法具有有效性和准确性，通过对乘客的划分，可以有效了解乘客的生活特征。

主权项

一种基于时空数据挖掘的地铁乘客分类方法，其特征在于，包括步骤：S1、基础数据计算，包括智能卡有效统计和站点间相似度计算；S2、数据预处理：S21、过滤缺失字段的交易记录；S22、将所述智能卡过滤处理后的所有交易记录按时间排序，并计算所述智能卡中的每一乘车记录；S23、计算每一所述智能卡的总刷卡天数；S24、将S22、S23中数据结果汇总；S25、对每一所述智能卡执行步骤S21‑S24，直到全部所述智能卡均被处理；S26、对输出结果进行统计，计算乘车天数概率分布；S3、乘客分类：S31、提取每一所述智能卡的所述交易记录；S32、判断刷卡天数是否小于阈值，是则输出类别1：极少出行乘客，转向S36；否则执行S33；S33、利用基于时间的用户出行规律算法Tm‑ODCluster，计算最密集的时间段Sm和时间密集概率Pt，并判断是否时间规律，是则为时间规律，转向S34，否则转向S35；S34、在所述时间段Sm内，利用基于空间的用户出行规律算法Sp‑ODCluster，判断出行地点是否规律，是则输出类别4：时间和空间规律性乘客，否则输出类别2：单时间规律性乘客；之后转向S36；S35、利用所述基于空间的用户出行规律算法Sp‑ODCluster，判断全天时间内出行地点是否规律，是则输出类别3：单空间规律性乘客，否则输出类别5：时间和空间均不规律乘客；S36、判断全部所述智能卡是否均被处理，是则转向S37，否则转向S31；S37、乘客分类结束。