[发明专利]一种基于交通大数据的个体关联强度自动检测方法

说明书

本发明公开一种基于交通大数据的个体关联强度自动检测方法，包括以下步骤：步骤1：提取移动模式相似的两两交通个体样本集合；步骤2：度量集合中任一个体对的交通行为相似性；步骤3：度量集合中任一个体对的交通行为交互性；步骤4：构建联合概率加权模型来加权度量交通个体间的关联强度，以自动检测潜在同行个体，最终采用公共交通出行数据验证上述模型的检测精度、鲁棒性和可扩展性。

技术领域

本发明属于公共交通关联出行检测领域，尤其涉及一种基于交通大数据的个体关联强度自动检测方法。

背景技术

近年来，探索交通个体关联出行逐渐成为诸如友人推荐、异常个体追踪、轨迹预测等交通领域应用研究的热点话题。公共交通工具作为同行群体(如亲友、同事、熟人等)参加特定社会活动(如社交、会议、娱乐、购物、聚餐、春运等)的主要交通工具，所诱发的大量公共交通关联出行成为重点关注对象。有效挖掘所内的关联出行团体是从微观角度探索交通个体社会关系网络的重要途径。虽然公共交通数据为这一研究提供了海量数据基础，但关联出行仍未被现有学者广泛关注。究其原因，尚缺乏一套有效的交通个体关联强度自动检测方法。

部分交通领域的研究已分别从交通行为的相似性和交互性角度挖掘出行个体的关联强度。首先，在交通行为相似性角度，申请号为201710098940.2专利在考虑时空状态序列相似的基础上，公开了一种基于轨道交通数据的异常出行群体识别方法，采用时空相似性算子度量异常个体间交通状态的相似性，以检测轨道交通内的异常团体。申请号为2017113991203的专利在加权度量个体间交通行为在时空和移动模式相似性的基础上，公开了一种基于模块度最优化的方法，通过构建扒窃关联图，以自动检测地面公交场所内的潜在扒窃团体。上述2类专利均可有效检测特殊的目标团体，但均未考虑出行个体间的移动模式相似性，导致容易漏报具有弱时空相似性却有强移动模式相似性的同行个体，或者误报具有强行为相似性却无行为交互性的同行个体。其次，在交通行为交互性角度，申请号为201510996221.3的专利在考虑社交群体活动主题明确、聚集属性明显的特点，提出一种自适应网络局部扩展的方法，以推断定向局部群体。申请号为201611035627.6的专利在考虑到社交关系可扩展性的基础上，公开了一种基于图扩充的社交群体的确定方法及装置，即采用基于最大扩充图内完全模块的方式检测以多用户为中心的潜在社交群体。该2类专利均可从粗粒度视角有效发现局部关联团体，但仍无法摒弃由瞬时聚集效应引发的假阳性关联团体。同时，专利提及的社交关系扩展性但尚未应用于公共交通个体的关联出行检测应用中。最后，在社交网络关系度量的应用研究中，Xiang考虑到网络个体的交互行为诞生于彼此行为的相似性，提出采用基于因果关系的联合概率分布模型(relation strengthmodel，简称为Rs模型)来度量社交网络个体的关联强度。随后，Zhao和Xiong分别对上述Rs模型进行局部约束，即通过引入社交活动主题多样性和用户名直接点到的方式，来度量社交网络特定主题下的关联强度。但是，Rs模型及其衍生模型均不能应用于交通个体的关联度量研究中。究其原因，尚未提出一套专用于描述交通行为相似性和交互性的特征矢量集。

基于此，本发明提出一种基于交通大数据的个体关联强度自动检测方法。研究成果可应用于公共交通行业个体行为分析平台，为社交网络构建、异常个体追踪及轨迹预测提供科学依据。

发明内容

针对现有技术中存在的上述问题，本发明提出一种基于交通大数据的个体关联强度自动检测方法，首先从交通大数据中提取移动模式相似的两两交通个体样本集合，度量集合中任一个体对交通行为的相似性、交互性，构建基于上述属性模块的联合概率加权模型，来加权度量交通个体间的关联强度，以自动检测潜在同行个体，最终采用公共交通出行数据验证上述模型的检测精度、鲁棒性和可扩展性。

为实现上述目的，本发明采用如下的技术方案：

步骤1：筛选具有模式相似性的两两交通个体