基于用户轨迹数据的热点区域分析

1. 基于用户轨迹数据的
热点区域分析
2016.6.26
第3小组

2. 问题描述
随着智能机的发展，人员的地理位置数据更易收集，发生爆炸式增
长。
针对这些庞大的时空数据的挖掘工作有利于人们出行，比如：热点
景区，餐厅、商超推荐，出租车载客地点推荐等。
本文主要工作为挖掘热点区域。

3. 数据描述
微软亚洲研究院GeoLife GPS轨迹数据
用户：178位
时间：2007年4月至2011年10月
距离：1292951公里
轨迹：17621段
数据密度：每1~5秒或每5~10米上报
字段： 39.980137,116.345113, 347,2008-10-26,16:09:35
（纬度，经度，海拔，日期，时间）

4. 工具
• Python
• Sklearn
• RapidMiner

5. 建模过程
• 停留点(Stay Point)
移动对象具有随机性，需要提取轨迹中的停留点作为轨迹的特征。
P={pm, pm+1, ... , pn} , ∀𝑚<𝑖≤𝑛 , 𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑒(𝑝𝑚,𝑝𝑖) ≤ 𝐷threh, 𝑝𝑛.𝑇−𝑝𝑚.𝑇 ≥ 𝑇threh
S=(Lat, Lngt, arvT, levT), 𝑠.𝐿𝑎𝑡= 𝑝𝑖.𝐿𝑎𝑡/|𝑃|, 𝑠.𝐿𝑛𝑔𝑡= 𝑝𝑖.𝐿𝑛𝑔𝑡/|𝑃|,
𝑠.𝑎𝑟𝑣𝑇 = 𝑝𝑚.𝑇, 𝑠.𝑙𝑒𝑣𝑇 = 𝑝𝑛.𝑇
p4
p3
p5
p6
p7
A Stay Point S
p1
p2
Latitude, Longitude, Time
p1: Lat1, Lngt1, T1
p2: Lat2, Lngt2, T2
………...
pn: Latn, Lngtn, Tn

6. 演示

8. 停留点的分布情况

10. DBSCAN
• Density-based spatial clustering of applications with noise
• DBSCAN是一种最常用的基于密度的聚类算法，目的在于过滤低密
度区域，发现稠密度样本点。相比K-means，不需要用户预先指
定聚类的个数，可以发现任意形状的聚类簇。 (K-means 不能发现
非凸形状的簇)

11. 输入：
Eps:半径
MinPts:给定点在Eps领域内成为核心对象的最小领域点数
D:数据集合输出：分簇集合
方法：
repeat
判断输入点是否为核心对象
找出核心对象的E领域中的所有直接密度可达点
until 所有输入点都判断完毕
repeat
针对所有核心对象的E领域所有直接密度可达点找到最大密度相连对象合，中间涉及
到一些密度可达对象的合并。
until 所有核心对象的E领域都遍历完毕

12. 距离度量
• C = sin(MLatA)*sin(MLatB)*cos(MLonA-MLonB) +
cos(MLatA)*cos(MLatB)
• Distance = R*Arccos(C)*Pi/180

15. 模型评估结果
• 没有label数据，无法做precision，recall， F-measure。
• 通过散点图观察
• 轮廓系数(Silhouette Coefficient)，结合了凝聚度(Cohesion)和分离
度(Separation)，[-1,+1]，越大越好。

16. 总结
• 由于使用全局参数Eps，DBSCAN对密度不均匀的数据效果不好
• DBSCAN可以发现任意形状的簇
• 没有label的聚类算法评估困难

17. 参考
• Yu Zheng, Lizhu Zhang, Xing Xie, Wei-Ying Ma. Mining Interesting
Locations and Travel Sequences from GPS Trajectories.
• 张明月. 基于出租车轨迹的载客点与热点区域推荐.
• 唐志博,姜小荣,陈伟. 基于dbscan算法的geolife人员位置分析.

18. Q&A
THX