[发明专利]一种基于轨道交通数据分析的异常出行群体识别方法

权利要求书

1.一种基于轨道交通数据分析的异常出行群体识别方法，其特征在于，包括以下步骤：

步骤S1、个体状态描述

对乘客在时间段T内的状态逐小时进行标记，得到每位乘客的以小时为单位的状态序列；

步骤S2、基于个体状态序列聚类发现异常出行个体

使用k-Means聚类方法得到异常出行可疑乘客及正常出行乘客；

步骤S3、异常出行群体发现

使用DBSCAN聚类算法对异常出行可疑乘客的出行模式进行聚类，DBSCAN的聚类基础是对象之间的距离，定义乘客出行模式之间的距离D(U_p,U_q)为

D(U_p,U_q)＝1-SC(U_p,U_q) (3)

SC(Up,Uq)为乘客出行模式Up，Uq之间的相似系数，

为了得到乘客出行模式之间的相似系数，同时考虑乘客出行模式的空间相似性和时间相似性，将乘客访问的站点集合表示为S＝{s₁,s₂,…,s_n},其中s_i＝(n_i,w_i),1in，n_i为站点名称，w_i为对该站点的访问次数，

定义乘客出行模式U_p，U_q的空间相似性度量函数

0TS1,如果两位乘客访问的站点集合相同，则TS＝1，

对于某一确定的站点，不同乘客对其访问的时间不同，将某一乘客访问特定站点的时间表示为H＝{h₁,h₂,…,h_n},其中h_i＝(t_i,v_i),1in,t_i为乘客对该站点的访问时间，v_i为在该时间访问特定站点的概率；两个乘客的出行模式关于某一固定站点的时间相似性类似于两个直方图的相似性；Earth Mover’s Distance是直方图相似性评估的距离计算函数，设两个直方图和其中，地点对某种物质的需求量为地点对该种物质的供应量为Earth Mover’s Distance是线性规划中运输问题的最优解; 定义乘客的出行模式在某一固定站点出行的时间相似性度量函数TT(H_p,H_q)如下：

满足以下约束条件：

F＝{f_i,j}表示需要运输的物质的数量集，t_i和t_j两地之间的距离由于各个时间段的权重值和都是经过归一化处理的，所以∑_i,jf_i,j的值为1，所以TT(H_p,H_q)的定义化简为：

0TT1,如果两位乘客对于某一特定站点的访问时间完全相同，则TS＝1，

基于此乘客出行模式之间的距离，对异常出行可疑乘客进行聚类，得到异常出行乘客团伙。

2.如权利要求1所述的基于轨道交通数据分析的异常出行群体识别方法，其特征在于，步骤S1具体为：对于一位乘客的任意一条刷卡记录i，可以根据其上一条刷卡记录i-1的下车站点和下一条刷卡记录i+1的上车站点对乘客的状态进行标记，标记规则如下：

1)对于该乘客刷卡记录i的日期与刷卡记录i-1的日期相同或者相差一天的情况：如果刷卡记录i-1的下车站点和刷卡记录i的上车站点相同，则将该乘客从刷卡记录i-1的下车时间到刷卡记录i的上车时间之间的状态标记为此站点；如果刷卡记录i-1的下车站点和刷卡记录i的上车站点不相同，将该乘客从刷卡记录i-1的下车时间到刷卡记录i的上车时间之间的状态标记为非公共交通出行；

2)对于该乘客刷卡记录i的日期与刷卡记录i-1的日期相差两天以上或者刷卡记录i为该乘客的第一条刷卡记录的情况：将刷卡记录i当天在刷卡记录i上车时间之前的时间段的状态标记为刷卡记录i的上车站点；

3)对于该乘客刷卡记录i+1的日期与刷卡记录i的日期相同或者相差一天的情况：如果刷卡记录i的下车站点和刷卡记录i+1的上车站点相同，则将该乘客从刷卡记录i的下车时间到刷卡记录i+1的上车时间之间的状态标记为此站点；如果刷卡记录i的下车站点和刷卡记录i+1的上车站点不相同，将该乘客从刷卡记录i的下车时间到刷卡记录i+1的上车时间之间的状态标记为非公共交通出行；

4)对于该乘客刷卡记录i+1的日期与刷卡记录i的日期相差两天以上或者刷卡记录i为该乘客的最后一条刷卡记录的情况：将刷卡记录i当天在刷卡记录i下车时间之后的时间段的状态标记为刷卡记录i的下车站点。