[发明专利]一种基于轨道交通数据分析的异常出行群体识别方法

摘要

本发明公开一种基于轨道交通数据分析的异常出行群体识别方法，包括：步骤S1、个体状态描述；步骤S2、基于个体状态序列聚类发现异常出行个体；步骤S3、异常出行群体发现。采用本发明技术方案，可以识别绝非“乘客”的异常出行乘客团伙。

主权项

一种基于轨道交通数据分析的异常出行群体识别方法，其特征在于，包括以下步骤：步骤S1、个体状态描述对乘客在时间段T内的状态逐小时进行标记，得到每位乘客的以小时为单位的状态序列；步骤S2、基于个体状态序列聚类发现异常出行个体使用k‑Means聚类方法得到异常出行可疑乘客及正常出行乘客；步骤S3、异常出行群体发现使用DBSCAN聚类算法对异常出行可疑乘客的出行模式进行聚类，DBSCAN的聚类基础是对象之间的距离，定义乘客出行模式之间的距离D(Up,Uq)为D(Up,Uq)＝1‑SC(Up,Uq) (3)SC(Up,Uq)为乘客出行模式Up，Uq之间的相似系数，为了得到乘客出行模式之间的相似系数，同时考虑乘客出行模式的空间相似性和时间相似性，将乘客访问的站点集合表示为S＝{s1,s2,…,sn},其中si＝(ni,wi),1<i<n，ni为站点名称，wi为对该站点的访问次数，定义乘客出行模式Up，Uq的空间相似性度量函数TS(Up,Uq)=Σsi∈Sp∩Sqwipwiqlen(Sp)len(Sq)]]>len(S)=Σsi∈Swi2]]>0<TS<1,如果两位乘客访问的站点集合相同，则TS＝1，对于某一确定的站点，不同乘客对其访问的时间不同，将某一乘客访问特定站点的时间表示为H＝{h1,h2,…,hn},其中hi＝(ti,vi),1<i<n,ti为乘客对该站点的访问时间，vi为在该时间访问特定站点的概率；两个乘客的出行模式关于某一固定站点的时间相似性类似于两个直方图的相似性；Earth Mover’s Distance(EMD)是直方图相似性评估的距离计算函数，设两个直方图和其中，地点对某种物质的需求量为地点对该种物质的供应量为EMD实际上是线性规划中运输问题的最优解。定义乘客的出行模式在某一固定站点出行的时间相似性度量函数TT(Hp，Hq)如下：TT(Hp,Hq)=exp(-EMD(Hp,Hq))=exp(-minΣi,jdi,jfi,jΣi,jfi,j)]]>满足以下约束条件：Σjfi,j≤vip,Σifi,j≤vjq,]]>Σi,jfi,j=min{Σivip,Σjvjq},fi,j≥0,]]>F＝{fi，j}表示需要运输的物质的数量集，ti和tj两地之间的距离由于各个时间段的权重值和都是经过归一化处理的，所以∑i，jfi，j的值为1，所以TT(Hp，Hq)的定义化简为：TT(Hp,Hq)=exp(-Σi,j|tip-tjq|fi,j)]]>0<TT<1,如果两位乘客对于某一特定站点的访问时间完全相同，则TS＝1，D(Up,Uq)=1-Σsi∈Sq∩Spwiqwipexp(-Σj,k|tjp-tkq|fj,k)len(Sq)len(Sp)]]>基于此乘客出行模式之间的距离，对异常出行可疑乘客进行聚类，得到异常出行乘客团伙。