[发明专利]基于海量公交数据的人群画像算法

权利要求书

1.基于海量公交数据的人群画像算法，其特征在于，包括如下步骤：

步骤S1、数据描述及预处理：获取公交车刷卡数据及POI数据，并进行预处理；

步骤S2、筛选重点地区人群：通过PageRank算法提取出行次数多，且去热点地区次数频繁的乘客轨迹数据；

步骤S3、轨迹文本化：根据POI数据获得乘客所在坐标的所属功能性，根据乘客轨迹数据与乘客所在坐标的所属功能性，获取得到每个乘客的文本轨迹数据；

步骤S4、文本聚类：采用聚类算法对文本轨迹数据聚类，获得人群画像；

所述步骤S2具体包括如下步骤：

步骤S21、根据各公交站点用户上下车频率，计算该站点的重要性数值；

步骤S22、根据用户经过的公交站点的重要性数值，计算用户轨迹的贡献率；

所述步骤S22具体包括如下步骤：

步骤S221、将成年人工作日的刷卡数据中的所有公交站点M_all和出行的轨迹带入站点重要性数值的计算公式中，得到该组刷卡数据的所有出行公交站点对应的重要性数值PR(M_all);

步骤S222、根据该组人群中每位乘客u出行经过的公交站点n，计算该名乘客轨迹的重要性数值之和，即，其中，PR(T_i)是地点T_i的重要性数值；

步骤S223、对该组刷卡数据经过调试设置一个阈值T，只有每位乘客轨迹的重要性数值之和大于该阈值，即S(u)T，才将该乘客的轨迹数据保存下来；保存下来的轨迹数据即为该组刷卡数据中轨迹贡献率高的乘客数据;

步骤S224、将剩下5组数据，即成年人休息日的刷卡数据、老年人工作日的刷卡数据、老年人休息日的刷卡数据、学生工作日的刷卡数据，学生休息日的刷卡数据，重复步骤S221-S223，最后共得到6组轨迹贡献度高的乘客数据。

2.根据权利要求1所述的基于海量公交数据的人群画像算法，其特征在于，所述步骤S1包括如下步骤：

步骤S11、获取公交车刷卡数据：获取特定时间特定区域的公交出行数据，包括每位乘客的ID、上下车刷卡时间、上下车地点的经纬度，以及每位乘客的年龄属性，得到不同年龄段每位乘客的出行轨迹数据；

步骤S12、获取POI数据：获取该特定区域的POI数据；

步骤S13、公交出行数据预处理：将公交出行数据进行清洗、分类、剔除，获得不同年龄属性的刷卡数据；

步骤S14、POI数据预处理：将POI数据进行功能性划分，获得功能不同的各类POI数据。

3.根据权利要求2所述的基于海量公交数据的人群画像算法，其特征在于，所述步骤S13具体包括如下步骤：

步骤S131、清洗公交出行数据：对存在某些数据为空或数据字段偏移的数据进行数据规范化处理，依据上下文补充数据和删除无法获取信息的数据；

步骤S132、截取清洗后的公交车连续一周内所有的公交车刷卡数据，并且将这些数据按照工作日和休息日进行划分；

步骤S133、将工作日和休息日的数据按照乘客年龄属性划分，得到的6组数据分别为：成年人工作日的刷卡数据、成年人休息日的刷卡数据、老年人工作日的刷卡数据、老年人休息日的刷卡数据、学生工作日的刷卡数据和学生休息日的刷卡数据；

步骤S134、将这6组数据中每日都有乘车记录且乘车次数至少为2次的乘客数据筛选出来，最终得到成年人乘客的刷卡数据、老年人乘客的刷卡数据和学生乘客的刷卡数据。

4.根据权利要求1所述的基于海量公交数据的人群画像算法，其特征在于，所述步骤S21中，站点重要性数值的计算公式为：

其中，PR(A)是地点A的重要性数值；T_i是指n个指向地点A中的第i个指向地点A的地点；n表示指向地点A的地点个数；PR(T_i)是地点T_i的重要性数值；C(T_i)是地点T_i的出度，也就是T_i指向其他地点的边的个数；d为阻尼系数，即在任意时刻乘客到达某地点后并继续出行的概率。