[发明专利]一种基于微信数据和兴趣点数据识别城市功能区的方法

权利要求书

1.一种基于微信数据和兴趣点数据识别城市功能区的方法，其特征在于包括以下步骤：

步骤1、地图分割：将地图栅格化，并对所有栅格进行编号；根据手机基站位置分割地图,计算每个栅格中心与各基站的距离，并规定栅格属于离它最近的基站，得到距离各基站距离最近的栅格号列表，以及各基站所占栅格数矩阵G；

步骤2、处理微信数据：从微信数据中提取基站人流量数据，得到单个基站按工作日日平均和周末日平均的单位时间人流量矩阵A、单位时间离开人流量矩阵OUT和单位时间进入人流量矩阵IN，并将矩阵A、OUT、IN分别结合所占栅格数矩阵G采用归一化的方法进行处理，分别得到矩阵Y₁、Y₂和Y₃，矩阵Y₁、Y₂和Y₃每行所表示数据的基站号一一对应；

步骤3、处理兴趣点数据：分别找到距离每个兴趣点最近的基站，并判定此兴趣点属于该基站，得到属于各个基站的所有兴趣点列表；根据各个基站兴趣点列表的数据中“兴趣点类别”这一参数对各基站的兴趣点进行分类统计，得到每个基站的兴趣点类别分布矩阵P；并将兴趣点类别分布矩阵P结合所占栅格数矩阵G采用归一化的方法对其进行处理，得到最终用于分析的矩阵，该矩阵命名为Y₄，矩阵Y₄与矩阵Y₁、Y₂和Y₃每行所表示数据的基站号也一一对应；

步骤4、删除离群点：令矩阵Y^*＝[Y₁，Y₂，Y₃，Y₄]，找出Y^*中的离群点，并删除离群点所对应的基站，以删除离群点后的基站号重新进行步骤1至步骤3的操作，形成新的矩阵Y。

步骤5、聚类：对矩阵Y进行模糊聚类分析，得到聚类结果；

步骤6、识别城市功能区：计算带有类别特征的兴趣点和步骤5得到的聚类结果在地图上的分布重叠率，对聚类后的各基站的功能进行识别。

2.如权利要求1所述的一种基于微信数据和兴趣点数据识别城市功能区的方法，其特征在于，所述步骤1和步骤2中，归一化处理方法如下：

使用式(1)分别对单位时间人流量矩阵A、单位时间离开人流量矩阵OUT、单位时间进入人流量矩阵IN、兴趣点类别分布矩阵P和各基站所占栅格数矩阵G进行归一化处理，将矩阵归一化到[0,1]的区间内，并通过式(2)、式(3)、式(4)、式(5)分别将单位时间人流量矩阵A的归一化结果、单位时间离开人流量矩阵OUT的归一化结果、单位时间进入人流量矩阵IN的归一化结果、兴趣点类别分布矩阵P的归一化结果与各基站所占栅格数矩阵G的归一化结果进行结合，

$x_i=\frac{|x_i-x_{min}|}{|x_{\max }-x_{min}|}---\left(1\right)$

Y₁＝D_A·e^-X (2)

Y₂＝D_OUT·e^-X (3)

Y₃＝D_IN·e^-X (4)

Y₄＝D_P·e^-X (5)

式(1)中，{x_i}为样本集，x_i为样本集所有样本分量，x_max为样本集所有样本各分量的最大值，x_min为样本集所有样本各分量的最小值；

式(2)、式(3)、式(4)、式(5)中，X为所占栅格数矩阵G根据式(1)归一化后的矩阵,维数为1×n；

式(2)中，Y₁为最终用于分析的矩阵,维数为n×m₁；D_A为基站单位时间人流量分布矩阵A根据式(1)归一化后的矩阵,维数为n×m₁；n为基站数,m₁为矩阵A的列数；

式(3)中,Y₂为最终用于分析的矩阵,维数为n×m₂；D_OUT为基站单位时间出流人流量分布矩阵Out根据式(1)归一化后的矩阵,维数为n×m₂，n为基站数,m₂为矩阵Out的列数；

式(4)中,Y₃为最终用于分析的矩阵,维数为n×m₃；D_IN为基站单位时间入流人流量分布矩阵In根据式(1)归一化后的矩阵,维数为n×m₃；n为基站数,m₃为矩阵In的列数；

式(5)中,Y₄为最终用于分析的矩阵,维数为n×m₄；D_P为兴趣点类别分布矩阵P根据式(1)归一化后的矩阵,维数为n×m₄；n为基站数,m₄为兴趣点类别数；

矩阵Y₁、Y₂、Y₃和Y₄每行所表示数据的基站号一一对应。