[发明专利]一种基于移动网络数据的人员出行链识别方法

权利要求书

1.一种基于移动网络数据的人员出行链识别方法，其特征在于所述识别方法包括以下步骤：

步骤1：选取待识别手机用户的移动网络数据，包括用户ID、时间戳、基站ID以及基站经纬度；

步骤2：基于DBSCAN空间聚类方法，对所述手机用户的移动网络数据进行空间聚类分簇，得到空间聚类分簇后的用户位置数据，包括用户ID、时间戳、基站经纬度以及聚类簇编号；其中，所述DBSCAN空间聚类方法为基于密度的噪声应用空间聚类方法；

步骤3：将用户位置数据中的位置点按照时间戳进行升序排序，按顺序计算时间相邻的不同位置点间的距离和速度，判定速度是否处于速度阈值[a，b]范围内，若是则表明位置点数据合理，若否则舍弃该位置点，其中，a和b分别表示速度阈值下限和速度阈值上限；继续下一相邻位置点的判定，直至完成所有位置点的判定；随后对于聚类簇编号来回切换的位置点进行筛选，筛选之后的用户位置数据沿用原聚类簇编号，包括用户ID、时间戳、基站经纬度以及聚类簇编号；

步骤4：对于每一聚类簇位置点集合，以相同位置的出现次数为权重选取重心位置作为该聚类簇的位置代表点，并选取该聚类簇的时间上第一条记录的时刻作为起始时刻、最后一条记录的时刻作为终止时刻，生成所述手机用户的位置序列数据，包括用户ID、起始时刻、终止时刻以及位置代表点的经纬度；

步骤5：将所述手机用户的位置序列数据中位置代表点的经纬度与土体利用数据进行空间关联，生成所述手机用户含有土地利用性质的位置序列数据，包括用户ID、起始时刻、终止时刻、位置代表点的经纬度以及土地利用类型；其中，所述土体利用数据为土地利用类型；

步骤6：根据位置序列数据中的终止时刻与起始时刻之差计算获得位置停留时间，根据停留时间和土地利用类型，判断该位置点的位置状态，所述位置状态是指停留或移动，生成所述手机用户的出行轨迹数据，包括用户ID、起始时刻、终止时刻、代表点的经纬度、土地利用类型以及位置状态。

2.根据权利要求1所述的一种基于移动网络数据的人员出行链识别方法，其特征在于所述步骤2包括以下步骤：

2.1：DBSCAN空间聚类算法中MinPts的确定，其中，MinPts是指以所述移动网络数据中某一数据点为中心的邻域内最少点的数量；

2.2：DBSCAN空间聚类算法中半径Eps的确定，其中，半径Eps是指以给定数据点为中心的圆形邻域范围；计算所述手机用户每个数据点位置与其它所有数据点位置之间的欧几里德距离，计算每个数据点的k-距离值，并对所有数据点的k-距离值集合进行升序排列，输出排序后的k-距离值；

其中，k值与MinPts的值相同；给定数据集P={p(i)；i=0,1…n},对于任一点p(i),计算点p(i)到集合D的子集S={p(1),p(2),…,p(i-1),p(i+1),…,p(n)}中所有点之间的距离，距离按照从小到大的顺序排列，假设排序后的距离集合为D={d(1),d(2),…,d(k-1),d(k),d(k+1),…,d(n)},d(k)的值作为k-距离的值；

将所有数据点的k-距离值使用散点图进行显示，计算散点图中所有相邻数据点间连线所成的斜率的平均值，挑选所有大于4倍斜率平均值的斜率所对应的k-距离，这些k-距离的平均值即为半径Eps的值；

2.3：DBSCAN空间聚类算法中核心点的计算：以点P为中心且半径为Eps的邻域内的点的个数不少于MinPts，则称点P为核心点；根据Eps和MinPts，计算所有核心点，并建立核心点与到核心点距离小于半径Eps的点的映射，即为核心点集合；

2.4：根据核心点集合以及半径Eps的值，计算能够连通的核心点，将能够连通的每一组核心点以及到核心点距离小于半径Eps的点，都放到一起形成一个聚类簇，并进行聚类簇编号ClusterID，其中ClusterID为正整数。

3.根据权利要求2所述的一种基于移动网络数据的人员出行链识别方法，其特征在于DBSCAN空间聚类算法中MinPts取4。