[发明专利]面向地铁乘客的朋友推荐方法及系统

说明书

本发明涉及一种面向地铁乘客的朋友推荐方法，包括：获取地铁站乘客及地铁运行的源数据；对获取的源数据进行预处理；根据预处理后的源数据推断乘客出行路径；根据地铁列车时刻表以及列车发车间隔计算详细的列车运行时刻表；根据推断的乘客出行路径及计算的列车运行时刻表，将乘客与特定列车匹配；根据匹配的乘客与特定列车，提取及度量乘客间交互情况，进行朋友推荐。本发明还涉及一种面向地铁乘客的朋友推荐系统。本发明将原本基于用户属性或静态空间的社交软件朋友推荐拓展到了动态空间中，使得乘客与列车的匹配更加精准，并能够全面量化乘客对在地铁系统中的交互情况。

技术领域

本发明涉及一种面向地铁乘客的朋友推荐方法及系统。

背景技术

城市公共交通系统(包括公交系统和地铁系统)作为大量人群汇聚的封闭空间，极易发生乘客间的交互，乘客间存在着大量“熟悉的陌生人”。研究公共交通系统内部的交互有助于发现具有共同出行特征的乘客，挖掘出其中存在的社会属性、行为偏好的共同点，提高移动社交软件的推荐效果。

现有城市公共交通系统内的乘客交互研究主要集中在公交系统中，地铁系统中还没有得到充分研究。相比于公交系统，地铁系统更为庞大和复杂，提取地铁系统中的乘客交互存在诸多挑战，例如，换乘、上/下列车均无记录，难以判断乘客在地铁系统中的具体乘车行为。

现有朋友推荐技术的缺点如下：

首先，目前的移动社交软件朋友推荐主要是针对用户注册资料、兴趣偏好相似性进行的，或者是基于定位距离的相近性，少有基于时空交互的朋友推荐；

然后，城市公共交通系统内部存在大量“熟悉的陌生人”，通过乘客间的交互关系可以进一步挖掘出其社会属性、行为偏好的相似性，提高移动社交软件朋友推荐的效果。目前的研究集中在公交系统中，缺乏对于地铁系统内部乘客交互的研究；

最后，地铁刷卡数据具有数据量大、覆盖范围广、精细化等特点，适合于地铁乘客行为的研究。但是地铁刷卡数据仅有乘客进出站的相关记录，缺乏对于地铁系统内部乘客行为的刻画，如在何处换乘、乘坐哪一趟列车等，而这些对于度量乘客间的交互情况、进行朋友推荐是十分必要的。已有的乘客与列车匹配算法是直接根据乘客的入站和出站刷卡时间来估算其乘坐的相应列车，结果具有一定的偏差，不够精准。

因此，如何推断地铁系统中乘客的出行行为、度量其在地铁空间中的交互情况并基于此进行朋友推荐是目前亟待解决的问题。

发明内容

有鉴于此，有必要提供一种面向地铁乘客的朋友推荐方法及系统。

本发明提供一种面向地铁乘客的朋友推荐方法，该方法包括如下步骤：a.获取地铁站乘客及地铁运行的源数据；b.对获取的源数据进行预处理；c.根据预处理后的源数据推断乘客出行路径；d.根据地铁列车时刻表以及列车发车间隔计算详细的列车运行时刻表；e.根据推断的乘客出行路径及计算的列车运行时刻表，将乘客与特定列车匹配；f.根据匹配的乘客与特定列车，提取及度量乘客间交互情况，进行朋友推荐。

其中，所述的步骤b具体包括：

对地铁原始刷卡数据进行处理；

根据上述处理后的地铁原始刷卡数据，获取完整的出行OD数据；

对获取的完整出行OD数据进行异常OD数据清洗。

所述的步骤c具体包括：对于所有OD数据，结合地铁线路图，利用Dijkstra算法并以时间最短作为条件获取地铁空间所有OD数据的最优出行路径。

所述的步骤e具体包括如下步骤：

e1，对乘客出站刷卡时间戳进行聚类，计算乘客在每个站点的进出站步行时间；

e2，根据出站刷卡时间戳计算下车时间戳，将非换乘乘客匹配到特定列车；