[发明专利]一种基于时空数据的用户兴趣点识别的方法

权利要求书

1.一种基于时空数据的用户兴趣点识别的方法，其特征在于，包括以下步骤：

一、错误数据过滤；

所述步骤一中，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；

二、DBSCAN聚类；聚类判断；

所述步骤二中，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；

所述步骤二中，根据聚类后的结果进行聚类判断，对于聚类数等于零的用户不进行任何后续步骤，减少流量和服务器存储成本；

三、相关变量计算；重排序；

所述步骤三中，对潜在的家庭或工作地址类进行相关变量计算，计算的变量包括：总停留时间；

四、两个及以上聚类拆分；

所述步骤四中，使用两个及以上聚类拆分算法时聚类的总停留时间最多的两类的和必须大于一定阈值，否则认为用户行程不可靠不进行后续步骤；

所述步骤四中，使用两个及以上聚类拆分算法时要求总停留时间最多的类占所有类的总停留时间的比例小于一定的阈值，否则使用家庭或工作地址单类算法；

所述步骤四中，使用两个及以上聚类拆分算法时，如果总停留时间最多的两类的中心点经纬度坐标之间的地球弧长距离大于一定的阈值，且聚类数大于2；

所述步骤四中，如果聚类数等于2，则使用单一家庭和工作地址算法，否则进行本发明中的后续步骤；

如果聚类数大于2，总停留时间排名第二和第三的类的差值占所有类总停留时间的比例大于一定的阈值，并且第三类的停留时间占所有类的总停留时间的比例小于一定的阈值，则使用单一家庭和工作地址算法；

五、单一家庭和工作地址算法，

所述步骤五中，使用单一家庭和工作地址算法时，只取总停留时间排名前二的类，计算相应的特征变量，用于逻辑回归模型，输出对应的类属于家庭地址和工作地址的概率；

所述步骤五中，述计算得出的工作地址和家庭地址概率进行如下判断：若家庭地址概率大于一定阈值，则判定该类为家庭地址；若工作地址概率大于一定阈值，则判定该类为工作地址。

2.根据权利要求1所述的一种基于时空数据的用户兴趣点识别的方法，其特征在于，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。