[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

说明书

本发明提供了一种基于网约车订单数据的城市热点POI探测方法及装置，本发明充分考虑到了POI之间的订单流向流量和空间距离对网约车空载转移的影响，设计和改进了PageRank算法。具体方法包括：获取待分析城市的POI数据，根据网约车订单数据构建订单流量权重矩阵，根据POI距离构建距离权重矩阵，然后得到POI流向矩阵，通过解算POI点的PageRank值得到POI的热度情况。本发明有效利用网约车订单大数据挖掘城市热点POI位置，能够更加科学、有效、真实地反映POI热度，挖掘潜在的热点POI，有助于进一步为出行推荐、发展规划、建筑选址等提供决策支持。

技术领域

本发明属于城市热点区域探测领域。

背景技术

随着网约车出行方式的兴起，网约车平台积累了大量的网约车订单数据。通常而言，网约车订单数据记录了订单的起止位置、时间以及相关的司乘等信息。基于这些数据，可以挖掘网约车流动特征、热点区域等。POI是地理信息领域的一个专业术语，指地理空间中的兴趣点，POI可以是一个火车站、一个餐馆、一所学校等等。城市热点POI是城市中受欢迎的POI位置，通常是公众出行的重要目的地或关键地点。对城市热点POI进行探测可以为出行推荐、发展规划、建筑选址等提供决策支持。基于网约车订单数据分析热点POI或区域一般采用密度估计方法，在某一POI或区域周围的订单越多，热度越高。然而这种密度估计方法忽略了网约车出行是一种动态变换的过程，存在一定的局限性。

发明内容

本发明提供了一种基于网约车订单数据的城市热点POI探测方法和装置，用于解决现有的空间密度方法无法考虑车流量动态变化特征的问题。

为了解决上述技术问题，本发明提供了一种基于网约车订单数据的城市热点POI探测方法，包括以下步骤：

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，并对获取到的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。

S5：针对POI转移矩阵G利用幂法求解的各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。

可选地，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；