[发明专利]一种基于时空数据的用户兴趣点识别的方法

说明书

本发明公开了一种基于时空数据的用户兴趣点识别的方法，包括以下步骤：错误数据过滤；DBSCAN聚类；聚类判断；相关变量计算；重排序；两个及以上聚类拆分；单一家庭和工作地址算法。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。进一步地，本发明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。进一步地，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。进一步地，本发明通过精准的计算相关变量以用于后续算法判断，提高判断精度。进一步地，本发明通过对多个聚类的拆分，建立建模，通过输出概率的来确定用户的家庭和工作地址。

技术领域

本发明涉及一种用户兴趣点识别的方法，具体是一种基于时空数据的用户兴趣点识别的方法，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兴趣点识别的方法，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：

一种用行程挖掘单一家庭和工作地址的方法，其特征在于，包括以下步骤：

一、错误数据过滤；

二、DBSCAN聚类；聚类判断；

三、相关变量计算；

四、两个及以上聚类拆分(A2A)；

五、单一家庭和工作地址算法(SHWA)。

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。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。

作为本发明进一步的技术方案：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0的用户不进行任何后续步骤，减少流量和服务器存储成本，对于聚类数等于1的用户参见发明一种用行程挖掘单一家庭或工作地址的方法；对于聚类数大于1的用户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。

作为本发明进一步的技术方案：所述步骤四中，使用两个及以上聚类拆分算法(A2A)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。

作为本发明进一步的技术方案：所述步骤四中，使用两个及以上聚类拆分算法(A2A)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(SAA)，参见发明一种用行程挖掘单一家庭或工作地址的方法。