买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东南大学

摘要：本发明公开了一种基于共享电单车借还车点数据的通勤行为识别方法，包括以下步骤：1对用户订单原始数据预处理；2同一车辆编号数据对“借或还车时间点”排序，基于“车辆使用状态”对出行数据匹配；3对出行数据匹配结果计算出行距离、时间并清洗；4利用DBSCAN算法对工作日高峰借还车点经纬度数据聚类，获得并计算热点区及其质心坐标，自动生成泰森多边形划定新出行小区；5结合借还车点与出行小区匹配结果生成出行OD矩阵；6计算每工作日出行OD矩阵交通流系数，识别其小于约定阈值的出行为通勤出行；7职住地识别。本发明有效地从用户订单数据中识别共享电单车通勤行为，并分析职住地分布，为提高通勤使用；率与调度提供理论基础。

主权项：1.一种基于共享电单车借还车点数据的通勤行为识别方法，其特征在于，包括以下步骤：1对共享电单车公司提供的用户订单原始数据进行预处理：从原始数据中提取有效数据信息，删除异常订单信息；2将同一车辆编号数据依据借或还车时间点进行排序，基于车辆使用状态变化对出行数据进行匹配，获取车辆出行记录数据库；3在上述出行记录数据库中提取工作日早晚高峰时间段内的出行记录数据，计算所有出行的借还车时差，即出行时间，及借还车地点之间的欧氏距离，即出行距离，依据出行时间与出行距离对出行数据进行清洗；4利用DBSCAN聚类算法对工作日早高峰或晚高峰借还车点经纬度数据进行空间聚类，得到多个借还车热点区域，利用ArcGIS工具计算热点区的质心坐标，通过输入质心坐标数据自动生成泰森多边形并划定新共享电动车出行小区；5依据出行记录数据中借车及还车地点所对应的出行小区，生成借还车OD矩阵，包括任意两出行小区之间的共享电动车出行量；6计算每个工作日电单车出行OD矩阵的交通流系数，将交通流系数小于约定阈值的交通出行记录识别为通勤出行；7通过通勤出行记录发生时间，即早高峰或晚高峰，识别共享电动车通勤用户职住地；所述步骤4中，利用DBSCAN聚类算法对工作日早晚高峰借还车点经纬度数据集合进行空间聚类，具体步骤如下：4.1DBSCAN聚类输入参数确定DBSCAN聚类算法按照密度把区域划分为簇，输入参数为簇内最小密度阈值MinPts和邻域半径ε，对于求解步骤如下：计算研究空间范围内所有借还车点欧氏距离，统计并筛选每个借车点、还车点与其它所有借车点、还车点的最小欧氏距离，对提取最小欧氏距离数据集升序排序，记做K-距离值集合，绘制K-距离值折线图，选取K-距离值折线图序列拐点对应的最小欧氏距离数值作为邻域半径，记做ε，所述拐点为图像中突变点；针对上述步骤获取得到邻域半径ε，计算研究空间范围内以所有借还车点为中心点，邻域半径ε构建缓冲区，统计缓冲区内所有借还车点个数并升序排序，记做借还车点个数值集合，绘制借还车点个数值折线图，以借还车点个数值折线图中序列拐点作为最小密度阈值，记做MinPts；4.2DBSCAN聚类算法运算步骤聚类对象为：工作日早高峰或晚高峰借还车点经纬度数据集合D，输出结果为数据集合D聚类结果和不属于任意簇的噪声数据；具体步骤为第一步：借还车点经纬度数据集合D中随机选取一个未被处理过的点p，如果点p满足：如果邻域半径ε内有着数量大于最小密度阈值MinPts个点，则暂定点p为核心点；第二步：在借还车点经纬度数据集合D中，点q属于点p以邻域半径ε划定范围内，且点p是核心点，称q是点p基于MinPts直接密度可达，若存在点链p1，p2，……pn，满足q＝p1，p＝pn，当pi+1从pi直接密度可达，那么认为认为点q从点p出发密度可达，依据前面定义选取借还车点经纬度数据集合D内所有与点p密度可达的点对象作为一个簇，即一个聚类类别；第三步：如果有点α∈D，当点α可以同时密度可达点q和点p，认为称点q和点p是密度相连，通过密度相连的判断依据，对于未处理的点重复上述步骤通过不断密度相连迭代，产生最终的簇，对于不属于直接密度可达、密度可达、密度相连的点标记为噪声数据；4.3出行小区生成：利用ArcGIS工具计算每个簇的质心坐标，通过输入质心坐标数据通过ArcGIS工具自动生成泰森多边形，即一组由连接两邻点线段的垂直平分线组成的连续多边形，划定新共享电动车出行小区；所述步骤5中，生成借还车OD矩阵：以所有出行小区按行与列排序，以任意两出行小区之间的共享电动车出行量为元素的矩阵，所述的行是起点出行小区编号，列是讫点出行小区编号；任一借还车点P地理坐标位置属性Xp，Yp与出行小区x地理范围进行匹配，x∈A，A为所有出行小区集合，如满足： 则判断借还车点P落在出行小区x内，属于出行小区x，依据上述步骤，利用ArcGIS工具对所有借还车点所属出行小区进行标定，一条出行起点所属出行小区x到终点所属出行小区y，认定出行小区x与出行小区y之间存在一条出行的出发地点O点至出行的目的地D点的交通出行，依据前述步骤以任意两出行小区间共享电单车出行量为元素，确定出行OD矩阵，该矩阵是以所有出行小区按行与列排序，以任意两出行小区之间的共享电动车出行量为元素的矩阵，所述出行量是共享电单车从起点到终点的出行次数；所述步骤6中通勤行为界定规则为基于出行OD矩阵数据计算工作日早晚高峰时间段每个出行小区之间的交通流系数，依据交通流系数变化规律，定义通勤出行的判断阈值，交通流系数小于约定阈值的出行记录识别为通勤出行；交通流系数计算方式如下： 其中，I为观测周期天数的集合，i＝1,2,3…n，i的集合为I，n为观测的总天数，观测周期内每一天都会形成一个OD矩阵，为第i天，起点小区x到终点小区y之间出行量数值，Axy为出行小区在观测周期I天内，起点小区x到终点小区y之间出行量，为出行小区在观测周期I天内，起点小区x到终点小区y之间出行量均值，Bxy为观测周期I天内，起点小区x到终点小区y之间出行量标准差，观测周期内出行量标准差除以平均值得到变异系数Cxy，记做交通流系数，当两个交通小区间交通流系数小于约定阈值时，认为两者间存在稳定交通流，视作起点小区x与终点小区y之间存在通勤出行。

全文数据：

权利要求：

百度查询： 东南大学 基于共享电单车借还车点数据的通勤行为识别方法