[发明专利]顾及长期时序依赖关系的城市事件探测方法

说明书

本发明公开了一种基于长期时序依赖关系的城市事件探测方法，具体包括如下步骤：S1通过应用程序编程接口收集城市区域内的社交媒体数据；S2将城市区域划分为规则格网，提取每个格网中带地理标签的社交媒体数据的日量统计数据的时间序列；S3将时间序列输入到LSTM网络中来计算长期时序依赖关系，进行动态预测，得到数据量的预测值；S4应用Tukey范围测试和修正Z分值，将数据量观测值和预测值之间残差分量的异常识别为城市事件；S5对文本信息进行中文分词算法分析，生成对应事件的词云。以往的方法在探测城市事件时无法顾及长期时序依赖关系，可靠性不高。通过考虑长期时序依赖关系，可以显著提高事件探测的可靠性，为政府日常智能化管理提供建议。

技术领域：本发明属于地理信息科学和大数据领域，更具体地，本发明涉及一种基于长期时序依赖关系的城市事件探测方法。

背景技术：

随着城市的发展，城市事件发生的频率越来越高，类型也趋于多样，如节日、自然灾害、恐怖活动或疾病爆发等都属于城市事件的范畴。城市事件的发生会对居民的日常生活造成一定的影响，有效地探测城市事件及其详细信息将有利于政府应对突发情况，开展智能化的治理工作，对社会的可持续发展具有重大的意义。

随着大数据如手机定位数据、出租车轨迹数据和地理标签社交媒体数据的出现，探测城市事件开始出现新的机遇。人们也曾广泛地研究、讨论过从位置数据中探测城市事件的各种方法，提出过例如时空聚类、STL、ARIMA和传统RNN等众多方法，但已有的这些方法均存在探测结果可靠性不高的问题。基于密度的聚类，人们提出了时空聚类方法。这种方法提取位置数据集群作为时空异常或代表城市事件，然而，这类方法假定的位置数据的时空分布几乎是均匀的。当位置数据分布不均时，其探测结果的可靠性仍有待考证。基于STL和ARIMA等传统的统计模型，在一些情况下确实能够有效地探测城市事件，然而，这些模型对输入变量有一些先验假设，导致一旦有数据缺失或过多的噪声数据都会直接影响到模型的准确性。基于传统的RNN这一类强大的深层神经网络，可以高效地捕捉位置数据的时空演化，探测时空异常，然而，由于梯度的消失与爆炸等问题，传统的RNN还是不能在位置数据之间构建起长期时序依赖关系。

目前基于位置数据的研究均以城市动态的一般模式为模型，然后提取其中明显偏离于城市事件模式的异常做进一步分析。极少数方法考虑了位置数据的长期时序依赖关系，探测结果的精度与可靠性均难以进一步提高。

发明内容：

本发明提供一种基于长期时序依赖关系的城市事件探测方法。

本发明采用一种基于长期时序依赖关系的城市事件探测方法实现，所述方法具体包括如下步骤：

S1应用社交媒体软件的应用程序编程接口收集城市区域内的社交媒体数据并进行预处理；

S2将城市区域划分为规则格网，对于每个空间格网，提取其中收集到的带地理标签的社交媒体数据的日量统计数据的时间序列样本；

S3将提取的时间序列样本输入到LSTM网络中来计算长期时序依赖关系，进行数据量的动态预测，并对预测结果进行评估，得到一个社交媒体数据的日量统计数据的预测值；

S4应用Tukey范围测试和修正Z分值，将数据量实际观测值和预测值之间残差分量的异常识别为城市事件；

S5对社交媒体文本进行中文分词算法分析，提取探测到的每个城市事件的相关信息，同时提取每个事件中词频位于前十的词语，生成对应事件的词云。

进一步的所述进行数据收集和预处理的方法具体包括如下步骤：

基于社交媒体软件提供的应用程序接口，获取城市区域内某一连续期间内发布的带地理标签的社交媒体数据；

将收集到的社交媒体数据中的重复数据和噪声数据剔除，同时删除一些带有特定来源的数据，如“发布失败”的社交媒体数据，以及在其文本中带有某些特定符号例如“【】”的数据；