[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

说明书

本发明公开了基于POI和多源移动数据集的人群出行模式可视分析方法，属于信息技术领域。包括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；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；3：对于出租车和公共自行车数据分别构建三维张量；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；5：基于张量分解结果，设计全局视图，包括时间图和热力图；6：设计区域视图，包含POI‑mobility图、流量图和区域POI分布图；7：设计位置视图，包括位置POI占比图和位置POI分布图。通过本发明了解土地使用用途、掌握城市活动规律，有助于城市规划。

技术领域

本发明属于信息技术领域，具体涉及基于POI和多源移动数据集的人群出行模式可视分析方法。

背景技术

理解人群出行模式对于城市规划者和决策者都十分重要。随着信息技术的发展，大规模和高质量的个人移动数据集可以通过各种途径获得。这些数据集包含了一段时间内人们访问的地点和时间，反映了人们日常的出行行为。此外，一个区域的土地使用类型同样对分析人群出行规律具有重要影响。人们通常前往不同的地方完成不同的活动，如前往学校学习、前往商场购物等。一个区域的POI(Point-of-interest)信息反映了区域潜在的功能。基于位置的社交网络，如Foursquare，提供了大量与POI相关的签到数据，能从中分析城市土地的使用类型。

现有方法仅利用某一类移动数据集来挖掘人群出行模式，如出租车数据集、公共自行车数据集、公交车数据集等，无法比较人们采用不同交通工具出行的特征差异。而现实中，为了达到不同的出行目的，人们通常使用不同的交通工具前往不同的地方。隐藏在多源移动数据集中的信息为挖掘人类移动模式提供了前所未有的洞察力。现有方法无法综合使用多源移动数据集和POI信息来分析人群出行模式。如何综合利用多个数据集来感知人们真实的出行状态，发现隐含在不同数据集中的重要模式存在挑战：1)不同的移动数据集具有不同的形式，如何从不同的移动数据集中提取统一的特征来描述潜在的出行模式。2)移动数据集和POI数据集是异构的，如何以一种直观的方式展示人群出行和POI分布之间的关系，辅助分析人员进行规律分析。

发明内容

针对现有技术中存在的技术问题，本发明提供了一种基于POI和多源移动数据集的人群出行模式可视分析方法。本发明不仅能够自动地从多源移动数据集中计算统一的出行特征，而且能够辅助分析者渐进式、交互式地理解人群出行模式。其中多源移动数据集包括出租车数据集和公共自行车数据集。分析者可以通过与丰富的可视化组件进行交互，找到人们采用不同交通工具出行的特征差异，分析真实的城市土地混合功能，有助于相关人员更好地进行交通管理和城市规划，促进智慧城市的构建。

基于POI和多源移动数据集的人群出行模式可视分析方法，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。

进一步的，所述的步骤1具体步骤如下：