[发明专利]基于网约车订单数据的城市热点POI探测方法及装置

权利要求书

1.一种基于网约车订单数据的城市热点POI探测方法，其特征在于，该方法包括：

S1：获取待分析城市区域的POI数据，记为P＝{p₁，p₂，p₃，...，p_n-1，p_n，}，其中p_n为第n个POI点，n为POI的个数；对获取到的POI点数据进行预处理；

S2：获取POI点之间的距离d＝{d₁₂，d₁₃，...，d_ij}，d_ij表示POI点p_i到达POI点p_j的距离，构建距离矩阵的表示如下：

接着依次取矩阵D每一列向量D_n进行标准化，合并标准化后的列向量得到最终的距离权重矩阵K如下式

K＝(k₁，k₂，...，k_n)；

S3：获取网约车订单数据，所述订单数据应至少包含订单的起点位置、终止位置的属性字段；根据订单数据的终止位置关联到最近POI点位置，得到POI的邻接矩阵A和POI之间的订单数量O；

S4：改进节点排序算法PageRank，构建POI转移矩阵G，算法改造主要考虑订单流量权重因素和空间距离因素，POI转移矩阵G＝dF+(1-d)K，其中d为引入的阻尼系数d，0≤d≤1，F为订单流量权重矩阵，K为距离权重矩阵；

步骤S4具体包括S4.1：订单流量权重矩阵F由邻接矩阵A与订单数量几何O计算得到，订单流量权重矩阵具体公式如下：

S4.2：引入阻尼系数d，用于表述网约车空载与非空载状态下的转移概率，其中，dF代表网约车非空载状态下的基于订单流量权重的转移概率，(1-d)K代表空载情况下由随机转移的概率，POI流量矩阵将两个概率矩阵进行相加得到：

G＝dF+(1-d)K；

S5：针对POI转移矩阵G，利用幂法求解各POI的PageRank值，其中PageRank值的越大代表该POI点热度越高，PageRank值越小代表该POI点热度越低。

2.如权利要求1所述的方法，其特征在于，步骤S1中，对获取到的POI点数据进行预处理具体包括：对空间位置字段、POI类型字段、POI名称缺失的数据项进行清除；对空间位置数据偏差过大的数据进行清除；对相似重复的POI数据进行去除冗余。

3.如权利要求1所述的方法，其特征在于，步骤S3具体包括：

S3.1：获取网约车订单数据，基于欧式距离计算距离订单数据中起点位置和终止位置最近距离的POI点位置；

S3.2：筛除最近距离超过关联阈值距离的订单数据；

S3.3：构建POI邻接矩阵其中e_ij＝1时，若存在由POI点p_i出发到达POI点p_j的订单数据，则e_ij＝1，若不存在由POI点p_i出发到达POI点p_j的订单数据，则e_ij＝0；

S3.4：统计e_ij＝1的p_i与p_j之间的订单数量O＝{o₁₂，O₁₃，...，O_ij}，O_ij表示为由POI点p_i到达POI点p_j的订单数量。