-
公开(公告)号:CN111310340A
公开(公告)日:2020-06-19
申请号:CN202010103108.9
申请日:2020-02-19
Applicant: 中南大学
IPC: G06F30/20 , G06F16/29 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开了一种基于人类移动的城市区域交互异常关系识别方法,包括如下步骤:S1,获取目的地-居民地二分网络和人类出行轨迹数据;S2,根据所述目的地-居民地二分网络的人口密度,POI密度,获取区域间吸引力模型;S3,根据所述区域间吸引力模型获取所述目的地-居民地二分网络的最大人流;S4,根据所述人类出行轨迹数据计算所述目的地-居民地二分网络的第二人流;S5,对所述目的地-居民地二分网络的最大人流以及所述目的地-居民地二分网络的第二人流进行相减获得人流正负网络;S6,对所述人流正负网络进行聚类获取所述异常区域。本发明基于人类出行数据,挖掘城市区域交互关系发现城市的异常关系。
-
公开(公告)号:CN111310340B
公开(公告)日:2022-08-16
申请号:CN202010103108.9
申请日:2020-02-19
Applicant: 中南大学
IPC: G06F30/20 , G06F16/29 , G06F16/2458 , G06Q50/26
Abstract: 本发明公开了一种基于人类移动的城市区域交互异常关系识别方法,包括如下步骤:S1,获取目的地‑居民地二分网络和人类出行轨迹数据;S2,根据所述目的地‑居民地二分网络的人口密度,POI密度,获取区域间吸引力模型;S3,根据所述区域间吸引力模型获取所述目的地‑居民地二分网络的最大人流;S4,根据所述人类出行轨迹数据计算所述目的地‑居民地二分网络的第二人流;S5,对所述目的地‑居民地二分网络的最大人流以及所述目的地‑居民地二分网络的第二人流进行相减获得人流正负网络;S6,对所述人流正负网络进行聚类获取所述异常区域。本发明基于人类出行数据,挖掘城市区域交互关系发现城市的异常关系。
-
公开(公告)号:CN112419131B
公开(公告)日:2022-07-08
申请号:CN202011310723.3
申请日:2020-11-20
Applicant: 中南大学
IPC: G06Q50/30 , G06F30/20 , G08G1/01 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种交通起讫点需求估算方法,包括获取待分析区域的交通参数;进行空间相关性建模得到空间相关性损失;进行出行语义相关性建模得到出行语义相关性损失;根据空间相关性损失和出行语义相关性损失构建OD估算模型;对OD估算模型进行求解得到最终的交通起讫点需求估算结果。本发明提供的这种交通起讫点需求估算方法,考虑了空间关联权重对OD需求空间自相关性以及出行语义关联权重对OD需求出行目的相似性,从而构建了考虑OD需求与空间距离的相关性和OD需求与出行目的的相关性的交通起讫点需求估算模型,并对模型求解得到最终的估算结果;因此,本发明方法的可靠性高、精确性好且适用范围广。
-
公开(公告)号:CN112419131A
公开(公告)日:2021-02-26
申请号:CN202011310723.3
申请日:2020-11-20
Applicant: 中南大学
IPC: G06Q50/30 , G06F30/20 , G08G1/01 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种交通起讫点需求估算方法,包括获取待分析区域的交通参数;进行空间相关性建模得到空间相关性损失;进行出行语义相关性建模得到出行语义相关性损失;根据空间相关性损失和出行语义相关性损失构建OD估算模型;对OD估算模型进行求解得到最终的交通起讫点需求估算结果。本发明提供的这种交通起讫点需求估算方法,考虑了空间关联权重对OD需求空间自相关性以及出行语义关联权重对OD需求出行目的相似性,从而构建了考虑OD需求与空间距离的相关性和OD需求与出行目的的相关性的交通起讫点需求估算模型,并对模型求解得到最终的估算结果;因此,本发明方法的可靠性高、精确性好且适用范围广。
-
-
-