[发明专利]大数据支持下的点群目标自动综合算法

权利要求书

1.一种大数据支持下的点群目标自动综合算法，其特征包括以下步骤：

(1)权重数据的获取与处理

影响范围与影响人群数据的获取

超市的影响范围为以超市为出发点，通过爬取一个月内移动手机轨迹数据终点识别信息及移动手机信号定位信息而获取；其影响人群数量信息用此一个月内超市对应点一定范围内的微博签到数据之和表示；

数据处理

将获取的信息进行清洗，删除研究区域以外的以及错误的数据点；对于处理后的原始点群中所有点的影响人群数量值进行层次聚类分析，将影响人群数量值相近的点归为一类，且加大类与类之间的数据差异；

在ArcGIS平台上标注超市所在的点，构建这些点的影响范围多边形，影响范围多边形由影响人群来源地投射到地图上的点构成的分布边界多边形来表示，影响范围多边形的构建过程如下:step1:记录采集到数据点的出现频率，并将其降序排序，舍弃排序最小的10％的点，将剩余采集点投影到平面坐标作为原始点群；step2:扫描原始点群，利用带约束的Delaunay三角剂分构建其约束Delaunay三角网，再引入动态阈值“剥皮”法构建其分布边界多边形:将原始点群存入pointArray，求得数组中每个点对应的分布边界多边形面积并将其依次存入数组areaArray；将影响人群数量值按照聚类结果降序排序并选取渐变色由深至浅填充对应点的影响范围多边形将点数组pointArray中的每个点对应的影响人群数量存入数组numArray；

(2)点的取舍

约束条件的定义与表达

算法中点的权重由影响范围多边形面积与影响人群数量两个因素决定，在此基础上，将点划分为三种类型：高等级必须保留Ⅰ型、低等级直接舍弃Ⅱ型、介于两者之间参与选取竞争Ⅲ型；

定义两种选取约束条件：

级约束条件，依据影响范围及影响人群数量区分三种类型点，选取过程中保留Ⅰ型点，直接删除Ⅱ型点；其中：TypeⅠ＝{Pi|Pi对应的影响范围大or其影响人群数量大or(其影响范围大and其影响人群数量大)}

TypeⅡ＝{Pi|Pi对应的影响范围小and其影响人群数量小}

邻近关系约束条件，对于Ⅲ型点，将其按单位影响范围面积影响人数值升序排序后逐个删除，若某一点被删除，则将与其影响范围多边形邻近的多边形对应的点进行“固化”，寻找并处理下一个非“固化”点，直至满足删除结束条件；若直至范围内所有点均被“固化”，删除结束条件仍未满足，则解冻“固化”点，依次进行第2遍、第3遍删除操作；

点的取舍算法

根据以上约束条件，Ⅱ型点为点群中影响范围及影响人群数量都比较小的点，它的选取较Ⅰ型点和Ⅲ型点简单，故本算法在点的取舍过程中采取如下三种策略：

a.按照开方根定律，选取指定数量的Ⅰ型点并将其删除，剩余点则构成综合后的结果；

b.为了实现不同量纲数据之间的比较，分别将影响范围多边形面积和影响人群数量值利用归一化的方法转化为无量纲标量；

c.将归一化的结果表示在以影响人群数量为横坐标、影响范围多边形面积为纵坐标的平面坐标系中，此时权重值越小的点(Ⅱ型点)越靠近坐标原点，故采用以原点为圆心做1/4同心圆的方法，依次选取权重值较小的点，对其进行判断和删除操作，后面称其为“同心圆”法；

点的删除的具体步骤描述如下：

a.根据开方根定律求得综合过程中预删除点的数目n；

b.以影响人群数量为横轴、影响范围多边形面积为纵轴建立平面直角坐标系，

将影响人群数量数组numArray及影响范围多边形面积数组areaArray中的元素分别进行归一化，并将其结果一一对应表示在坐标系中，此时坐标系中的每一个点对应原始点群中一个点的权重属性值；

c.以坐标原点为原点，以权重属性值点与坐标原点的最小值为初始半径在坐标系中画1/4圆，并将位于圆弧上的点添加删除标记“flag＝’D’，将其存入“Ⅱ型”点数组secondType，对其影响范围多边形邻居多边形对应的点添加保留标记“flag＝’R’”；

d.以平面坐标系中权重属性值点之间的最小平面距离为增量，更新半径值，以原点为圆心做1/4同心圆，将其圆弧上及其与前一次的同心圆构成的圆环内没有任何标记的点添加删除标记，仍将其存入数组secondType，同时对其影响范围多边形邻居多边形对应的点添加保留标记；

e.比较n与secondType数组中元素个数值的大小，若n值大，则返回(d)；若两值相同，则转(f)；否则，将上一轮加入数组secondType的点从数组中删除，并去掉对应点的删除标记，求得这些点的单位面积影响人数np‘，并将其升序排序，从前向后依次给序列中np‘值最小的没有任何标记的点添加删除标记，存入数组secondType，并对其影响范围多边形邻居添加保留标记，直至secondType数组中元素个数值与n值相同，则转(f)；

f.在原始点群中删除secondType数组中所有元素对应的点，剩余点群则为综合结果，算法结束。