数据融合下的移动通信流量模式应用研究

发布时间：2020-05-12 09:19

【摘要】：随着移动电话的普及,它已广泛深入人类的工作、学习、娱乐等各种日常生活,所产生的移动通信数据,例如电话呼叫、短信、上网、位置等信息,在一定程度上体现了人类的活动规律。基于移动通信数据来探索人类活动规律,已引发业界关注,产生诸多研究热点。本文第一部分工作对移动通信流量模式进行了观察与分析。出于隐私保护的需要,汇聚网格区域中所有用户的通信数据,得到该网格区域的移动通信数据。我们对在地理空间上构成一个行政省的1978个网格的移动通信流量模式分别进行了空间和时间两个维度上的分析,得到以下两个结论。首先,移动通信流量模式更多体现的是人员在流动过程中产生的活动规律(我们称之为“动态”规律),却无法全面反映人类在特定空间中特定活动的固有规律,我们称为“静态”规律。其次,在特定的物理空间中,在工作日、周末和节假日三个不同的时间区间内,人类的活动规律不尽相同。本文第二部分工作是基于上述流量模式的分析结果进行土地空间承载功能的识别,即土地用途的识别。由于土地的用途不仅会体现在人员的流动模式上,而且会反映在人类在该物理空间中开展的特定活动的规律上,因此,本文创新性地融合了移动通信流量和能够体现土地上所发生的特定的人类活动规律的耗电量,进行土地用途识别。同时,在时间维度上,改进了只考虑工作日和周末的传统方法,增加了“假期”时间区间。本文提出这种时空相结合的识别方法在公开数据集上的实验结果显示,与传统方法相比,不仅能够识别出更多的土地类型,而且每种土地类型的平均识别率达到85.5%。本文第三部分工作,进一步地进行了土地用途异常检测。土地用途异常是指在土地空间上由于异常事件的发生,比如示威游行、交通堵塞,其流量模式短暂偏离了该土地用途的正常模式。本文提出一种检测土地用途异常算法,定义每类土地所对应的流量模式的正常范围,一旦流量模式偏离正常范围,即可判断土地用途发生了异常。在公开数据集上的实验结果验证了所提算法的检测能力。
【图文】：

并行计算,质心,算法,矩阵分解

图２－１邋Ｋ－ｍｅａｎｓ算法的ｐｙｔｈｏｎ实现逡逑Ｆｉｇｕｒｅ邋２－１邋Ｐｙｔｈｏｎ邋ｉｍｐｌｅｍｅｎｔａｔｉｏｎ邋ｏｆ邋Ｋ－ｍｅａｎｓ邋ａｌｇｏｒｉｔｈｍ逡逑参数解释如下：逡逑ｎ＿ｃｌｕｓｔｅｒｓ：规定最终要形成的搨的数量以及相应的质心数量。逡逑ｍａｘ＿ｉｔｅｒ：邋ｋ－ｍｅａｎｓ算法运行一次需要的最大迭代次数。逡逑ｎ＿ｉｎｉｔ：邋ｋ－ｍｅａｎｓ算法在不同的初始化质心上的运行时间。逡逑ｉｎｉｔ：初始化算法，默认为’ｋ－ｍｅａｎ＋＋’。逡逑ｋ－ｍｅａｎ＋＋’心上：以ｋ－ｍｅａｎ聚类方式来选择初始化聚类中心加快收敛速度。逡逑方式来选择初：从初始质心的数据中随机选择ｋ个观测值（行）。逡逑ｐｒｅｃｏｍｐｕｔｅ＿ｄｉｓｔａｎｃｅｓ：预计算的距离（可以使得计算更快但也需要更多的内存）＿。逡逑ｔｏｌ：声明的惯性相对容差收敛。逡逑ｎ＿ｊｏｂｓ：将总计算量切分成个ｎｊｏｂｓ子任务。这是作品将成对矩阵分解成ｎｊｏｂｓ逡逑甚至切片并并行计算它们。如果为－１，则使用所有ＣＰＵ。如果给出１，则根本不使逡逑用并行计算代码，这对于调试很有用。对于低于－１的ｎ个任务，使用（ｎｃｐｕｓ＋ｌ邋＋逡逑ｒｉ个任务）。因此，对于ｎ个作业＝－２，使用除了一个之外的所有ＣＰＵ。逡逑

不同相,相关度量,变量,相关性

：＊Ｊｓｒ＝ａ（＞ｉｉ）２ｘｊ５：ｆ＝１（Ｂ￡）２逡逑２．２．２邋Ｐｅａｒｓｏｎ相关度量逡逑Ｐｅａｒｓｏｎ相关度量是两个变量之间的相关性在＋１和－１之间的数值，如图２－２所逡逑示，其中１表示两个变量之间具有最高正相关性，，０表示这两个数据之间没有相关逡逑性，－１表示这两个变量之间有最高的负相关性。该相似度共识定义为两个变量之逡逑间的的协方差除以它们之间的偏差的乘积。Ｐｅａｒｓｏｎ相关性度量的公式表示如公式逡逑（１－５）所示：逡逑ｒ邋＝逦＝却＝１（的（竽）逦（１．５）逡逑ｊｓｒ＝１（＾－＾）２ｊｓｒ＝１（＾－ｎ２逦ｎ＿１逦、Ｓｘ邋Ｊ邋Ｓｙ逡逑其中，是标准分，又是ｘ的平均值，Ｓｘ是Ｘ的标准差。逡逑
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.06

【参考文献】