[发明专利]一种手机信令数据的职住地获取方法

权利要求书

1.一种手机信令数据的职住地获取方法，其特征在于，包括方法：

(1)基于密度的时间序列空间数据聚类：根据时间序列空间数据的时间序列关系和空间位置关系，定义轨迹点之间的距离尺度和轨迹点中的驻留点；

其中轨迹点p(x₁,y₁,t₁)，q(x₁,y₁,t₁)间的距离尺度为；

即点p与点q之间的欧式距离和时间差的绝对值，其中点p、q为手机信令数据构成的任意两个轨迹点，(x₁,y₁)为点p的空间坐标，t₁为点p在位置(x₁,y₁)的时间戳，(x₂,y₂)为点q的空间坐标，t₂为点q在位置(x₂,y₂)的时间戳；

(2)聚类方法的参数标定：基于密度的时间序列空间数据聚类方法的自适应参数标定，根据轨迹点数据集中数据点的密度分布情况，将数据集分割为不同的密度层数据，在每个密度层内计算聚类效果指数，选择聚类效果指数最大的列索引和由统计信息计算得到的结果作为该密度层内聚类方法的最小点数量参数、距离阈值和时间阈值参数；

其中轨迹点数据集如下：

T＝{p₁,p₂,…,p_n}

在较长的一段时间内位置没有发生明显变化，即

其中dist(p_i,p_j)表示轨迹点p_i和p_j之间的距离，Δ_t表示时间阈值参数，Δ_d表示空间阈值参数；

其中根据数据集的密度分布，分割出不同的密度层，计算各个密度层内的最小点数量、距离阈值和时间阈值，所述方法步骤如下：

(2-1)计算k近邻矩阵，为轨迹点集合D中的每一点计算到数据集内其他点的k距离，构建k近邻矩阵；

(2-2)划分密度层，计算k近邻矩阵中每一列的密度变化率，根据密度变化趋势，将数据集划分为不同的密度层；

(2-3)获取最小点数量参数，在每个密度层内部，计算聚类效果指数，以聚类效果指数最大的列所对应的索引值作为最小点数量参数；

(2-4)获取距离参数和时间参数，在每个密度层内部，根据统计信息，分别计算时间和距离的方差，根据逆高斯分布，得到时间阈值参数和空间阈值参数的取值公式，

其中μ_i表示该密度层内轨迹点间k距离的方差，λ_i表示最大似然值；

(3)聚类所得驻留点簇中的职住地获取：根据聚类得到驻留点簇结果，结合职住地分布的时间规律，对驻留点进行筛选，提取其中满足停留时长的驻留点簇作为候选簇，运用KMeans聚类方法，对提取的驻留点簇中的轨迹点数据进行聚类，作为最终的职住地获取结果；

其中从轨迹点数据中聚类驻留点簇的方法，主要利用距离尺度和驻留点定义，从轨迹点数据中获取驻留点结果，所述方法步骤如下：

(3-1)初始化，对轨迹点集合D中的每个点p，记其聚类索引为点p在集合中的位置索引，记其访问状态为未访问，记其点类型为未定义；

(3-2)计算核心点，对D中的每个点p，计算p的ε邻域内的点数量num，若num大于最小点数参数，则将点p标记为核心点，并加入核心点集合D_c；

(3-3)合并核心点，对核心点集合D_c中的每个点p，判断核心点集合内的其他点q是否在p的ε邻域内，若在，则在p的核心点集合P_c中加入q；

(3-4)密度相连的核心点的索引归一化，对核心点集合D_c中的每个点p，若点p未被访问，则依次取出点p的核心点集合P_c中的点q；若q未被访问，则将p的聚类索引赋值给q，并标记为已访问；

(3-5)步骤4.边缘点归类，对D中的每个点p，若p不为核心点，则从核心点集合D_c中依次取出点q，判断点p是否在q的ε邻域内，若在，则标记p为边缘点，并将q的聚类索引赋值给p；

(3-6)标识噪声点，将D中未被标记为核心点或边缘点的点记为噪声点。