[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

说明书

本发明公开一种基于轨道交通数据分析的异常出行群体识别方法，包括：步骤S1、个体状态描述；步骤S2、基于个体状态序列聚类发现异常出行个体；步骤S3、异常出行群体发现。采用本发明技术方案，可以识别绝非“乘客”的异常出行乘客团伙。

技术领域

本发明涉及一种基于轨道交通数据分析的异常出行群体识别方法，尤其涉及一种基于公共交通一卡通地铁刷卡数据的异常出行群体自动识别方法。

背景技术

2014年底，北京地铁公司发布了2014年整整一年的客流数据。数据显示，2014年全年北京地铁公司所辖15条线路共运送乘客29.07亿人次，同比增长6.14％。4月30日为全年客运量最高日，达到988.95万人次。由此可以看出，地铁已经成为人们出行的重要工具。随着地铁客流量的增加，其自身带来的社会治安和安全隐患等问题都不可忽视。一些角色绝非“乘客”的出行者自然地融入到了地铁客流当中，这为地铁轨道交通带来了极大的负面影响。我们称这些没有明确的出行目的地，但会长时间停留在公共交通系统中从事某种活动的角色绝非“乘客”的出行者为异常出行乘客。一些异常出行乘客以团体形式存在我们称之为异常出行群体，异常出行群体对社会治安的影响更为严重。由于异常出行乘客具有分布分散、流动性大等特点，所以难以进行治理。

在公共交通中，智能卡自动售检票系统越来越普遍,该系统提供了大量的持续的高质量的乘客上下车站点的信息，这为研究公共交通出行乘客的出行模式提供了可能。随着信息技术和数据处理能力的快速发展，自动收费系统(AFC)收集的交易记录对于了解乘客的交通模式和城市的动态非常有价值。近年来研究者通过将乘客的上下车站点连接起来形成乘客的出行链并根据一卡通数据分析了乘客的出行时间及乘客的换乘模式。大部分个体具有相对固定的移动模式因此可以对其出行模式进行研究和预测。因此，使用一卡通数据可以研究地铁当中的异常出行群体。

发明内容

地铁现已经成为人们出行的重要工具。随着地铁客流量的增加，一些角色绝非“乘客”的出行者自然地融入到了地铁客流当中，这为地铁轨道交通带来了极大的负面影响。本发明称这些角色绝非“乘客”的出行者为异常出行乘客，称以团体形式存在的异常出行乘客为异常出行群体。公共交通一卡通不仅能够方便的缴纳公共交通出行过程的费用，同时也记录了乘客的上下车时间及站点等出行信息，这为公共交通中乘客的出行研究提供了方便。本发明提出了基于公共交通一卡通地铁刷卡数据的异常出行群体自动识别方法，关键问题包括乘客的特征表示及乘客间距离的度量方法。

为实现上述目的，本发明采用如下的技术方案：

一种基于轨道交通数据分析的异常出行群体识别方法包括以下步骤：

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，