申请/专利权人：北京工业大学

申请日：2022-03-17

公开（公告）日：2024-06-04

公开（公告）号：CN114611622B

主分类号：G06F18/2431

分类号：G06F18/2431;G06F18/214;G06Q50/26;H04W4/021

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2022.06.28#实质审查的生效;2022.06.10#公开

摘要：本发明公开了一种利用手机数据识别跨城通勤人群的方法，分为三部分，过程如下：一是获取已知用户类型的手机数据，每个数据集标记道路类型标签，对手机数据进行预处理，提取用户出行OD，筛选出有跨城出行行为的用户，获取数据集中相关用户出行指标，作为数据模型样本；二是构建决策树模型。利用k折交叉验证对决策树进行训练，通过比较每次的模型指标评分，确定最终人群类别识别模型；三是获取未知用户类型的手机数据，对手机数据进行预处理，提取用户出行相关指标，将该出行相关指标输入上一步得到的识别模型中，输出相应的用户类型标签，即识别出用户类型。

主权项：1.一种利用手机数据识别跨城通勤的方法，其特征在于：包括以下几个步骤：步骤1：获取已知用户类型的手机信令数据，手机信令数据包括用户编号、基站经度、基站纬度和信令记录产生时间；步骤2：对获取的手机信令数据进行预处理，识别用户停留点，进一步提取用户出行OD，并根据出行OD是否在同一城市；如果是同一城市则为同城出行，如果不是同一城市则为跨城出行；步骤3：根据步骤2中所提取的用户出行OD，删除掉所有出行中没有跨城出行行为的用户，即删除所有出行OD均在同一个城市的用户，筛选出有跨城行为的用户；步骤4：构建跨城行为的用户类别集合，C＝{c1,c2,c3}，其中c1表示跨城周通勤人群，c2跨城日通勤人群，c1和c2统称为跨城通勤人群，c3表示非跨城通勤人群；定义所有训练集样本数据的类别标签，确定跨城通勤人群的高峰出行时段与高峰出行日期；步骤5：根据通勤出行的特点，获取各个手机用户出行指标，其中，包括周平均出行次数N，高峰时段出行占比Pg、高峰日期跨城出行比例Pd、工作日非高峰时段出行占比Pf、工作日出行占比Pw、跨城出行占比Pc；步骤6：将训练集分为k份，其中一份作为验证集，另外k-1份作为训练集，将选取的验证集输入训练后的决策树模型，验证模型指标评分并保存；步骤7：重复步骤6k次，每一次选取的验证集均不相同，得到k个模型指标评分，取k个模型指标评分的平均值即得到决策树模型的最终评分；步骤8：将未知用户类型的手机数据按照步骤1和步骤2进行数据处理，并计算用户出行指标；将出行指标输入到步骤6和步骤7所得到的决策树识别模型中，输出相应用户类型标签；决策树构建的关键在于利用信息增益确定分类结果的“纯度”，设训练数据集为D，|D|表示其样本容量；设有K个类Ck，k＝1,2,3，|Ck|为属于类Ck的样本个数；设特征值A有n个不同的取值{a1,a2,...,an}，根据特征值A的取值将D划分为n个子集D1,D2,...Dn，|Di|为Di的样本个数；记子集Di中属于类Ck的样本集合为Dik，即Dik＝Di∩Ck，|Dik|为Dik的样本个数；则数据集D的信息熵为特征值A对于数据集D的条件熵则特征值A对于数据集D的信息增益gD,A＝HD-HD|A；构建决策树，第一步计算样本集合D的信息熵第二步计算出当前属性集合{N,Pg,Pd,Pf,Pw,Pc,Fs}中每个属性的信息增益，比较信息增益的大小，使用信息增益最大的属性进行划分，并得到划分后的数据子集；第三步对每一个数据子集按照“第二步”继续划分，得到最终的决策树。

全文数据：

权利要求：

百度查询： 北京工业大学 一种利用手机数据识别跨城通勤人群的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD