[发明专利]基于移动轨迹中停留点的用户群体行为规律检测方法

摘要

本发明公开了一种基于移动轨迹中停留点的用户群体行为规律检测方法，该方法首先接收来自数据采集器的多用户轨迹数据；其次从轨迹数据中提取停留地点序列，并将其变换为代表用户日程行为的地点偏好向量；然后提取日程行为向量，并利用加权平均法计算日程行为模式向量；最后基于日程行为模式计算用户间相似度，采用Kmeans聚类算法检测用户群体的行为规律模式。本发明采用基于停留点的日程行为模式计算用户间相似度，解决了用户停留区域不重叠的问题，可有效检测到用户群体的行为规律模式。

主权项

1.一种基于移动轨迹中停留点的用户群体行为规律检测方法，其特征在于，该方法可以包括以下步骤：步骤1，接收来自数据采集器的多个用户的多天的移动轨迹数据；步骤2，针对每个用户，采用基于时间和空间的停留点检测方法从轨迹数据中提取停留地点，即用户在某个区域内停留时间超过阈值，则该区域视为一个停留地点；步骤3，将用户每天的停留地点序列转换为地点偏好向量V_1×24，该向量代表用户一天的日程行为，向量中的元素v_1t表示在t时刻用户的停留地点标号；步骤4，对得到的地点偏好向量进行统计分析，得到每个停留地点的停留时间长短，并计算得到日程行为向量A_1×4，向量中的元素a_1×i，i＝1,2,3,4，分别表示停留时间超过5小时、3～5小时、1～3小时、0～1小时的停留点个数；步骤5，对用户每天的停留点序列重复步骤3‑4，得到用户每天的日程行为向量，并采用加权平均法计算日程行为模式向量R_1×4，向量中元素r_1×i，i＝1,2,3,4，表示用户平均每天停留时间超过5小时、3～5小时、1～3小时、0～1小时的停留点的个数；步骤6，对所有用户的轨迹数据重复步骤2‑5，得到每个用户的日程行为模式向量，并以日程行为模式向量为特征，利用欧式距离计算用户间行为相似度，采用Kmeans算法对用户进行聚类，得到用户群体的行为规律模式。