[发明专利]空气质量与居民出行可视分析方法与系统

权利要求书

1.一种基于大数据驱动的空气质量与居民出行可视分析方法，其特征在于，该方法包括以下步骤：

(1)原始空气质量数据、温度数据、POI数据和打车难易度数据重构：首先分别对空气质量数据、温度数据、POI数据和打车难易度数据进行数据清理和排序，其中数据清理主要是对各种数据源中数据异常和缺失值的查找及剔除，然后按照时间戳将所有数据按照时间排序；所述打车难易度数据包括打车难易度分布点的地理坐标和权值；所述POI数据包括POI分布点的地理坐标和POI类型；

(2)POI带权活跃度及偏移率计算：POI带权活跃度反映POI周围人流量的大小；偏移率反映POI带权活跃度的变化情况；

POI带权活跃度的计算具体为：

(2.1)计算打车难易度分布点和每个POI分布点之间的欧氏距离，判断欧式距离是否小于预先设置的阈值T，若满足条件则将打车难易度分布点的权值设为这个POI活跃度的权值；

(2.2)根据POI类型不同分别统计各种类型POI活跃度的累加和，作为这种类型POI带权活跃度；

偏移率的计算具体为：

Offset_t＝(POIWeight_t-Aver_week,hour)/(POIWeight_t)-1

其中，Aver_week,hour为每星期每小时POI带权活跃度均值，POIWeight_t为当前小时POI带权活跃度，Offset_t为偏移率；

3)相同类型POI聚类：计算每个打车难易度分布点周围欧氏距离小于等于T范围内所有的POI分布点，记为POI_didi；统计POI_didi中相同类型的POI分布点，计算聚类中心的位置，并设置打车难易度分布点的权值为聚类中心的权值；其中，基于k-means的聚类算法对POI分布点进行聚类，将计算出来新的聚类中心经纬度坐标作为POI中心位置的经纬度坐标；

4)空气质量与居民出行的可视分析，具体为：

(4.1)颜色视觉编码：对颜色进行映射时，由于空气质量指数AQI的不同，采用动态映射方案，即根据空气质量指数值动态的调整：

其中Color_rect为矩形的填充色；

(4.2)条形-箱线图分析组件：每天的空气质量指数用矩形展示，矩形从左向右的顺序表示每天日期的先后，矩形的填充色根据步骤4.1的方案确定，高度根据空气质量指数AQI确定；箱线图代表每周每时温度，箱线图从左向右表示每周日期的先后，箱线图上虚线，下虚线分别代表上四分之一数据范围和下四分之一数据范围，箱线图中央小矩形代表数据四分之一至四分之三分位数据范围，小矩形中央横线位置代表数据的中位数；

(4.3)流图-堆积图分析组件：堆积图和流图的横坐标是指定时间范围每小时坐标，以每星期为基本刻度，纵坐标是POI带权活跃度值；堆积图中用不同颜色的面积图代表不同类型的POI，堆积图沿坐标轴单侧排列，展示指定时间范围一种或多种POI带权活跃度的变化情况；流图沿坐标双侧排列，展示指定时间范围一种或多种POI带权活跃度的变化情况；

(4.4)散点矩阵-GeoMap-日历热图分析组件：散点矩阵图是散点图高维方面的拓展，用来展示空气质量、温度和POI带权活跃度；日历热图将多维数据以二维的形式呈现出来，并用颜色深浅来表示数值的大小，通过日历热图展示相同POI在不同空气质量和温度情况下偏移率的变化情况；GeoMap用来展示相同类型POI聚类的活跃度权值和地理分布情况。

2.一种基于大数据驱动的空气质量与居民出行可视分析系统，其特征在于，该系统包括以下组件：

(1)条形-箱线图分析组件：每天的空气质量指数用矩形展示，矩形从左向右的顺序表示每天日期的先后；矩形的高度根据空气质量指数AQI确定，填充色采用动态映射方案，即根据空气质量指数值动态的调整：

箱线图代表每周每时温度，箱线图从左向右表示每周日期的先后，箱线图上虚线，下虚线分别代表上四分之一数据范围和下四分之一数据范围，箱线图中央小矩形代表数据四分之一至四分之三分位数据范围，小矩形中央横线位置代表数据的中位数；

(2)流图-堆积图分析组件：堆积图和流图的横坐标是指定时间范围每小时坐标，以每星期为基本刻度，纵坐标是POI带权活跃度值；堆积图中用不同颜色的面积图代表不同类型的POI，堆积图沿坐标轴单侧排列，展示指定时间范围一种或多种POI带权活跃度的变化情况；流图沿坐标双侧排列，展示指定时间范围一种或多种POI带权活跃度的变化情况；POI带权活跃度的计算具体为：

(2.1)计算打车难易度分布点和每个POI分布点之间的欧氏距离，判断欧式距离是否小于预先设置的阈值T，若满足条件则将打车难易度分布点的权值设为这个POI活跃度的权值；

(2.2)根据POI类型不同分别统计各种类型POI活跃度的累加和，作为这种类型POI带权活跃度；

(3)散点矩阵-GeoMap-日历热图分析组件：散点矩阵图是散点图高维方面的拓展，用来展示空气质量、温度和POI带权活跃度；日历热图将多维数据以二维的形式呈现出来，并用颜色深浅来表示数值的大小，通过日历热图展示相同POI在不同空气质量和温度情况下偏移率的变化情况；GeoMap用来展示相同类型POI聚类的活跃度权值和地理分布情况；

偏移率的计算具体为：

Offset_t＝(POIWeight_t-Aver_week,hour)/(POIWeight_t)-1

其中，Aver_week,hour为每星期每小时POI带权活跃度均值，POIWeight_t为当前小时POI带权活跃度，Offset_t为偏移率；

相同类型POI聚类的活跃度权值的计算具体为：计算每个打车难易度分布点周围欧氏距离小于等于T范围内所有的POI分布点，记为POI_didi；统计POI_didi中相同类型的POI分布点，计算聚类中心的位置，并设置打车难易度分布点的权值为聚类中心的权值；其中，基于k-means的聚类算法对POI分布点进行聚类，将计算出来新的聚类中心经纬度坐标作为POI中心位置的经纬度坐标。