[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

说明书

本发明公开了一种考虑人群移动日节律的动态社区检测方法及系统，首先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作为动态人群移动网络；然后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；接着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；最后检测得到共识社区结构，增加时间维度生成最终的动态社区结构。本发明创造性地提出了利用共识聚类技术整合一天内的所有人群移动数据，得到鲁棒的网络社区结构的方法。本发明能够为城市规划领域提供量化的数据支持。本发明结果的一致性要显著优于现有的“二阶段”动态社区探测法，具有推广应用前景。

技术领域

本发明属于城市地理学技术领域，涉及一种动态社区检测方法及系统，尤其是涉及一种基于起始地-目的地(OD)网络的考虑人群移动日节律的动态社区检测方法及系统。

背景技术

社会网络分析与挖掘，成为近几年学术界和产业界的热门研究领域，社区结构研究则是其中一个非常重要的研究课题。当前对社区结构的研究往往集中于静态层面，即给定一个网络，如何去发现其中隐藏的社区结构。然而，事实上，由于人的流动，社会网络是不断变化的，社区结构也会随着网络的变化而演化，原来静态社区检测方法就出现了诸多不足。

静态社区检测方法，根据网络的类型可将其分为三类，包括基于无向网络和基于无加权网络的方法，基于无向和加权网络的方法和基于定向和加权网络的方法。然而，这种静态社区检测方法忽略了人类流动性的动态特性。人类活动的日常节奏是组织人类活动的基础，因为人类的生物钟以内源性的24小时周期振荡。显然，在某一时间段(也称为快照)使用静态方法无法完全捕捉全天的人类移动特征。

很多研究都是通过整合人类流动性的时间维度来开发动态社区检测方法。经典方法是独立社区检测和匹配(ICDM)方法，应用经典的静态团体检测方法来检测快照t处的团体，然后使用特定的相似性度量将其与之前快照中检测到的团体进行匹配。如果两个后续社区之间的相似性大于给定的阈值，则将它们识别为同一动态社区的成员；否则将它们识别为两个独立社区的成员。现有方法虽然能很好地捕获后续两个时间段之间具有高度相似性的持续演化群落结构。然而并不适用于揭示具有日常节律的人类移动网络的社区结构，因为移动模式在某些快照(如早晚高峰和午夜)可能发生显著变化。在这种情况下，由于在某些快照前后检测到的社区结构相似性较低，现有的动态社区检测方法往往会识别出过多的社区。因此，这些现有的方法不能很好地捕捉到一天中不同地点之间的空间互动模式，导致对检测到的动态社区结构存在相当大的偏差。因此有必要通过考虑人的日常流动节奏来开发有效的方法来检测动态的社区结构。

发明内容

为了解决社区结构一致性低，且没有考虑人群移动的日节律的问题，本发明提出了一种考虑人群移动日节律的动态社区检测方法及系统。

本发明的方法所采用的技术方案是：一种考虑人群移动日节律的动态社区检测方法，包括以下步骤：

步骤1：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；