[发明专利]一种人群移动规律的建模方法

摘要

本发明公开了一种人群移动规律的建模方法，包括以下步骤：(1)对每个用户的轨迹按照移动行为的动态变化进行划分，将轨迹划分为多个轨迹片段；(2)对步骤(1)中得到的轨迹片段集合进行特征抽取，获得用来刻画轨迹片段的特征向量；(3)将步骤(2)得到的所有用户的所有轨迹片段的特征向量进行聚类以将相似行为的轨迹片段组成一个移动行为模式；(4)计算每个轨迹片段和各移动行为模式的相似性，得到移动模式描述向量；(5)根据步骤(3)和步骤(4)计算得到的移动行为模式和移动模式描述向量，计算得到移动行为模式转移图；本发明可以在多个角度和尺度上分析轨迹数据，提供了分析群体移动规律的移动行为模式转移图。

主权项

1.一种人群移动规律的建模方法，其特征在于，包括以下步骤：(1)对每个用户的轨迹按照移动行为的动态变化进行划分，将轨迹划分为多个轨迹片段，每一个轨迹片段对应描述一种行为；(2)对步骤(1)中得到的轨迹片段集合进行特征抽取，获得用来刻画轨迹片段的特征向量；(3)将步骤(2)得到的所有用户的所有轨迹片段的特征向量进行聚类以将相似行为的轨迹片段组成一个移动行为模式；步骤(3)中，将轨迹片段用移动行为模式描述向量来表达的具体步骤如下：通过对所有用户的所有轨迹片段的特征向量的K‑means聚类，得到K_m个聚类移动行为模式及他们的聚类中心(4)计算每个轨迹片段和各移动行为模式的相似性，得到描述轨迹片段属于各个移动行为模式概率的移动模式描述向量；步骤(4)中，计算每个轨迹片段和各移动行为模式的相似性，得到描述轨迹片段属于各个移动行为模式概率的移动模式描述向量的具体过程如下：对于每个轨迹片段，计算和K_m个移动行为模式的相似性，得到描述轨迹片段的移动模式描述向量m(k)∝f(dis(F,FC_k)),其中m(k)是m向量的第k个元素,dis是两个向量的距离，F是轨迹片段的特征向量，FC_k是第k个移动行为模式聚类中心的特征向量，f(x)是一个高斯权重函数，c是中心，w是高斯核的宽度，x是函数f(x)的自变量，代表dis(F,FC_k)的值；(5)根据步骤(3)和步骤(4)计算得到的移动行为模式和移动模式描述向量，计算得到刻画所有人的移动行为模式及其转移的移动行为模式转移图，图中的结点集合是不同时间点上的移动行为模式，边集合是移动行为模式间转移的概率；步骤(5)中：计算得到移动行为模式转移图的具体过程如下：图中的结点集合V是不同时间点上的移动行为模式，通过对轨迹片段的均匀重采样，可以得到在时间点t_i上属于第j个移动行为模式的轨迹片段的数目，作为结点的大小：其中，是一个指示函数，当时间点t_i在轨迹片段F_k的时间间隔中且轨迹片段F_k属于第j个移动行为模式时，否则利用动态贝叶斯网络对移动行为模式的转移进行建模，通过求解以下方程，得到任意时刻的转移概率，构成图中的边集合E:其中d代表转移矩阵的第d行；转移矩阵中的每一个元素代表结点中轨迹片段转移到结点中轨迹片段的概率；L是总人数，L^l是每个人的轨迹片段数目；λ是控制转移矩阵系数度的参数；是权重系数：其中h是高斯分布的方差。