[发明专利]基于POI和多源移动数据集的人群出行模式可视分析方法

权利要求书

1.基于POI和多源移动数据集的人群出行模式可视分析方法，其特征在于包括以下步骤：

步骤1：获取出租车数据集、公共自行车数据集，POI数据集，并对数据进行预处理；

步骤2：划分时间段，将城市分割为区域，根据时间和区域划分结果，对数据进行聚合；

步骤3：对于出租车和公共自行车数据分别构建三维张量；

步骤4：采用非负张量分解方法分解三维张量，自动计算得到潜在的出行特征；

步骤5：基于张量分解结果，设计全局视图，包括时间图和热力图，展示每个移动数据集的时间和空间特征；

步骤6：设计区域视图，包含POI-mobility图、流量图和区域POI分布图，可视化热力图中某个选定区域的多源出行模式和POI信息间的关联性；

步骤7：设计位置视图，包括位置POI占比图和位置POI分布图，直观展示每个位置周围的POI信息；

所述的步骤5的具体方法如下：

步骤5.1：设计时间图：时间图采用折线图来呈现从因子矩阵C中衍生得到的每种出行模式的时域变化趋势，时间图的x轴对应于一周内的168个小时，y轴表示时间重要性，每一条折线的值为矩阵C中的每一列，对应于一种出行模式，折线的数量和张量的秩R一致；

步骤5.2：设计热力图：热力图展示了从因子矩阵A中衍生得到的空间重要性，共有R张热力图，呈现了在每种出行模式下不同区域的空间重要性，矩阵A的每一列对应于一张热力图，对于一张热力图来说，每个区域用一种灰度绘制，区域的灰度正比于空间重要性值A_ir，反映了区域i对于第r种出行模式的重要性，采用渐变的灰度映射机制编码空间重要性值，深色区域表示该区域对于当前模式十分重要，而浅区域表示该区域对于当前模式不太重要；

所述的步骤6的具体方法如下：

步骤6.1：设计POI-mobility图：POI-mobility图以紧凑的形式同时展示了多源出行模式和POI占比情况，采用饼图表示区域内的POI占比，对于第i个区域，对所有的POI类别所占比例p_ij(j＝1,...,cn)降序排列，cn表示POI类别数，根据p_ij的大小将饼图划分为扇区，每个扇区的大小正比于p_ij的大小，根据p_ij的值沿着y轴以顺时针方向从大到小依次绘制扇区，使用一种灰度代表一个POI类别，在POI-mobility图的右边显示POI图例，区域中人群出行模式的时间变化通过两个圆环以放射状的形式排放在外圈，最外圈代表使用出租车的出行模式，内圈代表使用自行车的出行模式，圆环被划分为7个扇区，表示一周中的七天，每个圆环上都有两条曲线，代表一周每个小时内该区域中人群的进入量和流出量；

步骤6.2：设计流量图：观察POI-mobility图中采用不同交通工具出行的高峰期，通过设置约束条件，得到使用某一种交通工具出行的流量图，流量图展示了从当前区域出发或者终止到当前区域的详细的流动信息，所述约束条件包括出行模式约束、时间约束和流量约束，出行模式约束包括使用自行车还是出租车出行的情况，时间约束包括时间段、选择日期类型，选择小时的范围，流量约束通过一个阈值，流量值小于该阈值的轨迹将被忽略，基于定义好的约束条件，流量图通过地图呈现所有满足条件的轨迹，采用点表示一个位置；对于自行车数据来说，点对应于区域中的一个站点；由于出租车的上下车点散布于整个区域中，进一步将区域划分为400m*400m的网格，根据网格对出租车轨迹进行聚合，因此，对于出租车数据来说，代表网格中心，采用带有箭头的弧线表示位置之间的流量，流量的大小根据弧线的粗细和灰度深浅双编码，采用和热力图一样的渐变灰度映射机制，一条深色的粗线表示两个位置之间的流量很大，一条浅色的细线则表示两个位置之间的流量较小；

步骤6.3：设计区域POI分布图：区域POI分布图在地图上绘制了区域中所有的签到地点，其中一个圆点表示一个签到位置，圆点的位置由签到地点的经纬度所确定，圆点的深浅和POI图例一致，圆点的大小正比于该地点的签到总数。