[发明专利]一种考虑人群移动日节律的动态社区检测方法及系统

权利要求书

1.一种考虑人群移动日节律的动态社区检测方法，其特征在于，包括以下步骤：

步骤l：通过原始移动大数据，按预设时间窗口生成起始点－目的地网络快照的时序集合G＝{G¹，...，G^t，...，G^τ}，作为动态人群移动网络；

给定时间间隔Δ，则一天分为离散时间间隔{Δ，...，tΔ，...τΔ}，τ＝24/Δ；在第t个时间间隔上的每个图G^t为有向加权图G^t＝(V^t，E^t)，其中V^t是节点的集合，E^t是第t个时间间隔上的边的集合；每个节点表示一个地理位置，每条边表示从原始节点到目标节点的有向移动，并具有权重属性作为第t个时间间隔内的统计出行人次；其中，时间间隔称为快照；

步骤2：进行每个时间间隔上的静态社区探测，获得时间间隔的社区结构的时序集合；

步骤3：基于共识聚类方法，整合社区结构的时序集合的信息，得到共识网络，记录社区成员关系的连接强度属性；

步骤4：在共识网络上应用静态社区检测方法，得到共识社区结构，增加时间维度生成最终的动态社区结构；

步骤5：在动态社区结构上提取演化模式，应用聚类算法得到模式分类。

2.根据权利要求1所述的考虑人群移动日节律的动态社区检测方法，其特征在于：步骤2中，在每个时间间隔t对应的G^t上应用静态社区检测方法，以检测G^t中的社区结构；设是G^t内检测到的k个社区的集合，每个社区包含一组节点；社区内部节点之间的空间相互作用强度大于不同社区中节点之间的相互作用。

3.根据权利要求1所述的考虑人群移动日节律的动态社区检测方法，其特征在于：步骤3中，对于每个被检测到的社区通过在同一社区内任意两个节点之间连接一条无向边来构造一个社区成员关系图；在构建所有时间间隔的所有社区成员关系图后，将其投影到地理空间上，形成共识网络，表示为G^c＝(V^C，E^C)，G^c是一个无向加权图，其中是所有社区内所有节点的并集E^C是所有社区成员图中所有时间间隔中所有边的并集；边的权值用表示，定义为：

其中为二元指标，表示节点和都在社区中，否则表示节点和都在社区中的时间间隔个数，并由时间间隔的总数τ归一化。

4.根据权利要求1－3任意一项所述的考虑人群移动日节律的动态社区检测方法，其特征在于：步骤4中，共识网络G^c上应用静态社区检测方法检测共识社区结构，记为为每个时间间隔G^t，构造相同的社区集其中和具有相同的节点集；对于共识社区其所有提升的共识社区构成最终的动态社区

5.根据权利要求1-4任意一项所述的考虑人群移动日节律的动态社区检测系统，其特征在于，步骤5的具体实现包括三个子步骤：

步骤5.1：量化每个动态社区的相互作用强度的时间序列是指社区在每个时间间隔上的边权重之和；

步骤5.2：检测每个动态社区内的子社区，并利用演变事件的总数量化子社区演变事件个数的时间序列；

步骤5.3：根据前两步中获得的时间序列度量对演变模式进行层次聚类分类。