【摘要】：基于移動用戶行為分析的城市功能區(qū)識別研究是用戶行為分析研究領(lǐng)域的重要研究內(nèi)容之一。與傳統(tǒng)的城市功能區(qū)識別研究相比,這類研究使用用戶的行為數(shù)據(jù),通過用戶的行為規(guī)律識別用戶群體,再根據(jù)用戶的群體類別和分布規(guī)律識別城市功能區(qū)。這種研究具有一定的難度,首先主要體現(xiàn)在如何根據(jù)用戶的行為數(shù)據(jù)對用戶進(jìn)行合理的分群進(jìn)而獲得用戶類別,其次需要根據(jù)用戶的分布規(guī)律和用戶類別標(biāo)簽對基站類型進(jìn)行分類從而識別城市功能區(qū)。針對這些研究點(diǎn),本文做了如下兩點(diǎn)研究:1.改進(jìn)模糊聚類(Fuzzy C-Means,FCM)算法,設(shè)計(jì)一種基于用戶行為興趣相似度的動態(tài)分群算法。該方法改進(jìn)傳統(tǒng)的模糊聚類算法,主要解決的問題是根據(jù)用戶行為興趣度對用戶進(jìn)行動態(tài)分群,實(shí)現(xiàn)步驟如下:首先使用自組織特征映射(Self-organization feature Map,SOM)神經(jīng)網(wǎng)絡(luò)進(jìn)行初聚類,獲得模糊聚類的初始聚類參數(shù);然后定義用戶行為興趣指標(biāo)衡量用戶對某一業(yè)務(wù)的行為興趣度,并通過用戶行為興趣相似度算法計(jì)算用戶間的相似度;最后通過設(shè)置用戶平均隸屬度閾值來評判分群結(jié)果是否合理,從而實(shí)現(xiàn)用戶的動態(tài)分群。實(shí)驗(yàn)結(jié)果表明,該方法相比于傳統(tǒng)的模糊聚類算法能更好地用于移動用戶的分群。2.在用戶行為分析的基礎(chǔ)上,設(shè)計(jì)一種基于用戶行為分析的城市功能區(qū)識別算法。該算法主要解決的問題是通過基站的用戶屬性對城市功能區(qū)進(jìn)行識別,實(shí)現(xiàn)思路如下:首先通過泰森多邊形的思想使用基站對地圖進(jìn)行分割,并按時(shí)間窗口序列統(tǒng)計(jì)基站用戶的特征分布,得到基站特征矩陣;其次,使用主成分分析(Principal Component Analysis,PCA)方法對特征矩陣進(jìn)行降維從而提取出主要特征作為濾波器;然后構(gòu)建并訓(xùn)練基于時(shí)間窗口序列濾波器的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)分類器,并使用此分類器對基站進(jìn)行分類;最后,通過使用分類得到的基站類別,對基站覆蓋區(qū)域進(jìn)行識別,從而達(dá)到城市功能區(qū)識別的目的。本文通過TensorFlow系統(tǒng)搭建神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,該方法相比于傳統(tǒng)的城市功能區(qū)識別算法能夠有效地識別城市功能區(qū)域。
【圖文】：

用泰森多邊形的思想，將基站作為樣點(diǎn)在百度地化的地圖映射到每個(gè)基站覆蓋的多邊形區(qū)域內(nèi)，本小節(jié)對地圖分割的步驟為：首先對地圖進(jìn)柵格作為地圖分割的基本單位柵格化地圖，并對僅具有自身編號，還具有中心點(diǎn)的坐標(biāo)信息；其多邊形的思想，通過手機(jī)基站的地理位置分割地統(tǒng)計(jì)其所在多邊形覆蓋的地圖柵格編號，即計(jì)算森多邊形的思想該柵格屬于離它最近的基站。通所覆蓋范圍內(nèi)的柵格號列表。基于泰森多邊形思所示。地圖柵格化柵格編號泰森多邊形劃分地圖

基于用戶行為分析的城市功能區(qū)識別算法，在上一章節(jié)用戶分群的基礎(chǔ)上，通過用戶的基站軌跡數(shù)據(jù)對城市功能區(qū)進(jìn)行識別。首先，對地圖進(jìn)行柵格化，，并基于泰森多邊形的思想使用基站對地圖進(jìn)行分割，獲得基站所覆蓋區(qū)域的地圖的柵格序號；然后，將上一章節(jié)得到的用戶分群結(jié)果作為用戶的類別屬性，通過不同時(shí)段內(nèi)接入該基站的用戶，獲得基于時(shí)間窗口序列的基站用戶特征分布矩陣；其次，使用卷積神經(jīng)網(wǎng)絡(luò)對基站進(jìn)行分類，在進(jìn)行基站分類前需要使用 PCA 特征預(yù)處理的方法提取主要特征作為神經(jīng)網(wǎng)絡(luò)的濾波器，通過卷積神經(jīng)網(wǎng)絡(luò)對基站進(jìn)行分類后，基站的分類結(jié)果代表基站所覆蓋區(qū)域的功能區(qū)類別；最后，將基站覆蓋區(qū)域進(jìn)行著色渲染，通過百度地圖可視化地展示出識別結(jié)果。本章算法的算法結(jié)構(gòu)如圖 4.4 所示：統(tǒng)計(jì)時(shí)間序列窗口基站用戶特征群組1 用戶 1,3,4,...PCA特征降維預(yù)處理可視化展示訓(xùn)練集獲取基站-柵格映射列表
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN929.5;TP301.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 張俊濤;武芳;張浩;;利用出租車軌跡數(shù)據(jù)挖掘城市居民出行特征[J];地理與地理信息科學(xué);2015年06期

2 鈕心毅;丁亮;宋小冬;;基于手機(jī)數(shù)據(jù)識別上海中心城的城市空間結(jié)構(gòu)[J];城市規(guī)劃學(xué)刊;2014年06期

3 李婷;裴韜;袁燁城;宋辭;王維一;楊格格;;人類活動軌跡的分類、模式和應(yīng)用研究綜述[J];地理科學(xué)進(jìn)展;2014年07期

4 常茜茜;張?jiān)虑?;一種基于劃分的混合數(shù)據(jù)聚類算法[J];計(jì)算機(jī)應(yīng)用與軟件;2014年06期

5 許寧;尹凌;胡金星;;從大規(guī)模短期規(guī)則采樣的手機(jī)定位數(shù)據(jù)中識別居民職住地[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年06期

6 張慷;;手機(jī)用戶畫像在大數(shù)據(jù)平臺的實(shí)現(xiàn)方案[J];信息通信;2014年02期

7 李建廷;郭曄;湯志軍;;基于用戶瀏覽行為分析的用戶興趣度計(jì)算[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年03期

8 張敏,于劍;基于劃分的模糊聚類算法[J];軟件學(xué)報(bào);2004年06期

相關(guān)博士學(xué)位論文 前2條

1 王曉燕;K-均值算法與自組織神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)研究及應(yīng)用[D];中北大學(xué);2017年

2 向峰;基于移動網(wǎng)絡(luò)數(shù)據(jù)的用戶行為與城市感知研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前5條

1 吳春林;基于行人占據(jù)區(qū)域的泰森多邊形密度統(tǒng)計(jì)方法及其模型研究[D];中國科學(xué)技術(shù)大學(xué);2017年

2 顧海斌;基于大規(guī)模電商數(shù)據(jù)的用戶消費(fèi)行為分析方法研究[D];吉林大學(xué);2016年

3 張洪;聚類集成算法在客戶細(xì)分中的研究及應(yīng)用[D];安徽大學(xué);2016年

4 余泓;基于移動終端的移動互聯(lián)網(wǎng)服務(wù)質(zhì)量及用戶行為分析研究[D];安徽大學(xué);2014年

5 李威;移動互聯(lián)網(wǎng)用戶行為分析研究[D];北京郵電大學(xué);2013年

本文編號：2610426