基于移动用户行为分析的城市功能区识别研究

发布时间：2020-04-01 12:00

【摘要】：基于移动用户行为分析的城市功能区识别研究是用户行为分析研究领域的重要研究内容之一。与传统的城市功能区识别研究相比,这类研究使用用户的行为数据,通过用户的行为规律识别用户群体,再根据用户的群体类别和分布规律识别城市功能区。这种研究具有一定的难度,首先主要体现在如何根据用户的行为数据对用户进行合理的分群进而获得用户类别,其次需要根据用户的分布规律和用户类别标签对基站类型进行分类从而识别城市功能区。针对这些研究点,本文做了如下两点研究:1.改进模糊聚类(Fuzzy C-Means,FCM)算法,设计一种基于用户行为兴趣相似度的动态分群算法。该方法改进传统的模糊聚类算法,主要解决的问题是根据用户行为兴趣度对用户进行动态分群,实现步骤如下:首先使用自组织特征映射(Self-organization feature Map,SOM)神经网络进行初聚类,获得模糊聚类的初始聚类参数;然后定义用户行为兴趣指标衡量用户对某一业务的行为兴趣度,并通过用户行为兴趣相似度算法计算用户间的相似度;最后通过设置用户平均隶属度阈值来评判分群结果是否合理,从而实现用户的动态分群。实验结果表明,该方法相比于传统的模糊聚类算法能更好地用于移动用户的分群。2.在用户行为分析的基础上,设计一种基于用户行为分析的城市功能区识别算法。该算法主要解决的问题是通过基站的用户属性对城市功能区进行识别,实现思路如下:首先通过泰森多边形的思想使用基站对地图进行分割,并按时间窗口序列统计基站用户的特征分布,得到基站特征矩阵;其次,使用主成分分析(Principal Component Analysis,PCA)方法对特征矩阵进行降维从而提取出主要特征作为滤波器;然后构建并训练基于时间窗口序列滤波器的卷积神经网络(Convolutional Neural Network,CNN)分类器,并使用此分类器对基站进行分类;最后,通过使用分类得到的基站类别,对基站覆盖区域进行识别,从而达到城市功能区识别的目的。本文通过TensorFlow系统搭建神经网络进行实验,实验结果表明,该方法相比于传统的城市功能区识别算法能够有效地识别城市功能区域。
【图文】：

框架图,泰森多边形,地图,分割算法

用泰森多边形的思想，将基站作为样点在百度地化的地图映射到每个基站覆盖的多边形区域内，本小节对地图分割的步骤为：首先对地图进栅格作为地图分割的基本单位栅格化地图，并对仅具有自身编号，还具有中心点的坐标信息；其多边形的思想，通过手机基站的地理位置分割地统计其所在多边形覆盖的地图栅格编号，即计算森多边形的思想该栅格属于离它最近的基站。通所覆盖范围内的栅格号列表。基于泰森多边形思所示。地图栅格化栅格编号泰森多边形划分地图

结构图,城市功能区,识别算法,基站

基于用户行为分析的城市功能区识别算法，在上一章节用户分群的基础上，通过用户的基站轨迹数据对城市功能区进行识别。首先，对地图进行栅格化，，并基于泰森多边形的思想使用基站对地图进行分割，获得基站所覆盖区域的地图的栅格序号；然后，将上一章节得到的用户分群结果作为用户的类别属性，通过不同时段内接入该基站的用户，获得基于时间窗口序列的基站用户特征分布矩阵；其次，使用卷积神经网络对基站进行分类，在进行基站分类前需要使用 PCA 特征预处理的方法提取主要特征作为神经网络的滤波器，通过卷积神经网络对基站进行分类后，基站的分类结果代表基站所覆盖区域的功能区类别；最后，将基站覆盖区域进行着色渲染，通过百度地图可视化地展示出识别结果。本章算法的算法结构如图 4.4 所示：统计时间序列窗口基站用户特征群组1 用户 1,3,4,...PCA特征降维预处理可视化展示训练集获取基站-栅格映射列表
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN929.5;TP301.6

【参考文献】