[发明专利]一种基于时空数据的用户多兴趣点多结果识别的方法

说明书

本发明公开了一种基于时空数据的用户多兴趣点多结果识别的方法，包括以下步骤：1)错误数据过滤与重排序；2)DBSCAN聚类；3)聚类结果判断；4)第一大类循环计算与结果标记；5)第二大类循环计算与结果标记；6)特征合并计算与建模结果输出。本发明仅通过行程数据就能挖掘出大部分用户的家庭工作地址；通过对主要兴趣点的DBSCAN聚类挖掘出用户的主要兴趣点作为潜在家庭工作地址。本发明对于所有没达到聚类条件的用户进行过滤，减少流量和计算成本。

技术领域

本发明涉及一种用户多兴趣点多结果识别的方法，具体是一种基于时空数据的用户多兴趣点多结果识别的方法，属于数据挖掘技术领域。

背景技术

现代生活中，自驾出行已经成为了人们最重要的交通手段之一。随着车载智能设备与智能手机的发展，越来越多的设备具备卫星定位能力，使得记录行车轨迹成为可能。

现有技术中存在的基于是通过采集用户全时段的数据进行相关判断，随着用户对隐私的重视，全时段的数据越来越难采集。一方面会长时间采用用户的GPS数据，另一方面是需要客户的数据量大，隐私信息也多。并且现有技术中，还没有可以商业化的用行程数据直接挖掘家庭工作地址的方法。

发明内容

本发明的目的在于提供一种基于时空数据的用户多兴趣点多结果识别的方法，该方法能够避免长时间采集用户GPS数据，需要的数据量少，需要的用户隐私信息也少。

为实现上述目的，本发明提供如下技术方案：一种基于时空数据的用户多兴趣点多结果识别的方法，包括以下步骤：

1)错误数据过滤与重排序；

2)DBSCAN聚类；

3)聚类结果判断；

4)第一大类循环计算与结果标记(MHWA-Loop1)；

5)第二大类循环计算与结果标记(MHWA-Loop2)；

6)特征合并计算与建模结果输出(MHWA-Model3)。

作为本发明进一步的技术方案：所述时空数据是用户完整的行程数据，包含用户的每一条历史行程信息，每一条历史行程中包含较精确的起点经纬度、起点GPS时间、终点经纬度、终点GPS时间，时间精确至年月日时分秒。

作为本发明进一步的技术方案：所述步骤1)中，对用户潜在错误行程数据过滤包含但不限于对总行程数较少的用户进行过滤和对出现逆序的行程进行重排序。因总行程数较少而被过滤掉的用户不进行任何后续步骤，以减少流量和计算成本。

作为本发明进一步的技术方案：所述步骤2)中，进行DBSCAN聚类是用现有的DBSCAN算法对用户的终点进行聚类，找出可用于地址挖掘的潜在家庭或工作地址类和类中心的经纬度坐标。

作为本发明进一步的技术方案：所述步骤3)中，根据聚类后的结果进行聚类判断，根据各类计算出来的总停留时间，类间距离等条件，对于聚类数大于等于2的用户进行判断，满足条件则进行本发明中的后续步骤；

作为本发明进一步的技术方案：所述步骤4)中，对总停留时间排名第一的类计算相关变量，从第二类开始循环对比计算并输出判断条件；若满足相应的条件，则将此类标记为1(默认标记为0)，依次计算所有的类。

作为本发明进一步的技术方案：所述步骤5)中，在第一次循环后的类中找到标志为0的类，若找不到则放弃判断。对标记为0的类的总停留时间排名第一的类计算相关变量，从第二类开始循环对比计算并输出判断条件；若满足相应的条件，则将此类标记为2(默认标记为0)，依次计算所有的类。

作为本发明进一步的技术方案：所述步骤6)中，使用特征合并计算与建模结果输出(MHWA-Model)时，对标志为1和2的类，分别计算用于建模的特征变量，输入预训练的逻辑回归模型中，输出概率。