[发明专利]基于出租车时空轨迹的群体运动移动簇模式排序方法

摘要

本发明公开一种基于出租车时空轨迹的群体运动移动簇模式排序方法，包括以下步骤：构建移动簇‑兴趣点二部图和基于重启式随机游走模型进行排序。本发明移动簇基于重启式随机游走模型对移动簇进行重要性排序问题可以转换为“移动簇‑兴趣点”图中顶点的重要性计算问题，每个顶点的概率值代表该顶点的重要性，概率值越大说明该顶点越重要，利用该模型对移动簇进行重要性排序易于实现，不需要用户设置过多的参数便可以自动完成排序过程。

主权项

1.一种基于时空轨迹的群体运动移动簇模式排序方法，其特征在于：包括以下步骤：(1)构建移动簇-兴趣点二部图，具体包括以下方法(1.1)获取移动簇的集合MC，MC＝{mc1,…,mcn}；(1.2)获取挖掘移动簇所使用的数据集的兴趣点集合POI，POI＝{poi1,…,poil}；(1.3)构建二部图；(1.4)二部图构建成功，采用邻接矩阵MMC·POI的形式来存储构建好的二部图；(2)基于重启式随机游走模型进行排序，具体方法如下：(2.1)对于步骤(1)中产生的邻接矩阵MMC·POI，计算得到其相应的转置矩阵(2.2)利用MMC·POI和构建方阵(2.3)对M进行行归一化处理，对每一条边eij，行归一化后的值为其中，w(eij)表示边eij上的权重，∑kw(ekj)表示所有边ekj的权重之和，k为矩阵M的第k行，1≤k≤n+l，1≤i≤n+l，1≤j≤n+l；(2.4)初始化列向量p和q，p向量中的每个元素置为0，q中的元素置为其中，向量p和q的长度均为n+l，n为所有移动簇的数目，l为兴趣点的数目；(2.5)利用公式p(t+1)＝(1-α)·M·p(t)+α·q进行迭代计算，其中t为迭代次数，此处迭代终止的条件为||p(t+1)||1-||p(t)||1<ε；其中，p(t)、p(t+1)和q是列向量，p(t)表示第t步图中的顶点概率分布，列向量q中设置目标用户顶点值为1，其余为0，M是转移概率矩阵；α为直接回到出发顶点的概率即重启概率；(2.6)将迭代终止后向量p中兴趣点的重要性得分去掉，剩下的即为每个移动簇的重要性得分，以重要性得分由高到低进行排序，所得结果即为移动簇的重要性排序结果。