[发明专利]一种基于doc2vec的地铁站点功能挖掘方法

摘要

本发明提供了一种基于doc2vec的地铁站点功能挖掘方法，属于数据挖掘技术领域。1)数据收集与预处理本发明综合考虑了地铁站点客流数据、地铁站点POI数据等多种信息来源，以保证分析结果的权威性和普适性；2)数据集合并合并重复名称站点的往返客流量；3)地铁站相似度计算基于doc2vec算法进行地铁站相似度挖掘；4)站点功能聚类本发明采用了数据挖掘领域先进的Affinity Propagation算法，既保证了计算效率又保证了分类结果的准确性；5)站点功能挖掘根据算法聚类分析结果进行地铁站功能分类。以上海地铁为例进行的聚类实验表明，使用本发明可以高效、准确的完成地铁站点聚类工作。

主权项

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Pi，并将步骤(2)所得数据集表示在矩阵Pi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Pi中就是Pi(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。