本發(fā)明屬于城市規(guī)劃管理技術(shù)領(lǐng)域，具體涉及一種基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法。

背景技術(shù)：

近年來，隨著GPS導(dǎo)航儀和智能手機(jī)為代表的智能終端的普及與應(yīng)用，人們已經(jīng)可以以相對低廉的代價(jià)獲得大量用戶的位置數(shù)據(jù)，這些數(shù)據(jù)的背后，隱含豐富的用戶行為規(guī)律信息，本專利通過對這些信息的深入挖掘和利用，闡述一種基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法，不僅有可能發(fā)現(xiàn)個(gè)體用戶的日常行為規(guī)律和群體用戶的共性行為特征，還可以掌握社交關(guān)系信息，這對于智能交通、廣告投送、面向企業(yè)的商業(yè)合作應(yīng)用服務(wù)具有重要意義，為交通規(guī)劃工作提供相關(guān)數(shù)據(jù)，并具有比傳統(tǒng)交通調(diào)查方法更低的成本和更短的數(shù)據(jù)更新周期。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是根據(jù)上述現(xiàn)有技術(shù)的不足之處，提供一種基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法，該識別方法根據(jù)手機(jī)用戶的移動網(wǎng)絡(luò)數(shù)據(jù)，采用DBSCAN空間聚類方法對移動網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行空間聚類分簇；根據(jù)時(shí)間相鄰不同聚類點(diǎn)間的速度排除異常數(shù)據(jù)，得到篩選后的用戶位置數(shù)據(jù)，選取位置代表點(diǎn)記錄起始時(shí)刻，生成用戶位置序列數(shù)據(jù)；關(guān)聯(lián)土地利用性質(zhì)，根據(jù)位置停留時(shí)間和土地利用性質(zhì)來判定用戶的停留點(diǎn)或移動點(diǎn)，最終生成用戶的出行鏈數(shù)據(jù)。

本發(fā)明目的實(shí)現(xiàn)由以下技術(shù)方案完成：

一種基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法，其特征在于所述識別方法包括以下步驟：

（步驟1）選取待識別手機(jī)用戶的移動網(wǎng)絡(luò)數(shù)據(jù)，包括用戶ID、時(shí)間戳、基站ID、基站經(jīng)緯度；

（步驟2）基于DBSCAN空間聚類方法，對所述手機(jī)用戶的移動網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行空間聚類分簇，得到空間聚類分簇后的用戶位置數(shù)據(jù)，包括用戶ID、時(shí)間戳、基站經(jīng)緯度、聚類簇編號；

（步驟3）將用戶位置數(shù)據(jù)中的位置點(diǎn)按照時(shí)間戳進(jìn)行升序排序，按順序計(jì)算時(shí)間相鄰的不同位置點(diǎn)間的距離和速度，判定速度是否處于速度閾值[a，b]范圍內(nèi)，若是則表明位置點(diǎn)數(shù)據(jù)合理，若否則舍棄該位置點(diǎn)，其中，a、b分別表示速度閾值下限和速度閾值上限；繼續(xù)下一相鄰位置點(diǎn)的判定，直至完成所有位置點(diǎn)的判定；隨后對于聚類簇編號來回切換的位置點(diǎn)進(jìn)行篩選，篩選之后的用戶位置數(shù)據(jù)沿用原聚類簇編號，包括用戶ID、時(shí)間戳、基站經(jīng)緯度、聚類簇編號；

（步驟4）對于每一聚類簇位置點(diǎn)集合，以相同位置的出現(xiàn)次數(shù)為權(quán)重選取重心位置作為該聚類簇的位置代表點(diǎn)，并選取該聚類簇的時(shí)間上第一條記錄的時(shí)刻作為起始時(shí)刻、最后一條記錄的時(shí)刻作為終止時(shí)刻，生成所述手機(jī)用戶的位置序列數(shù)據(jù)，包括用戶ID、起始時(shí)刻、終止時(shí)刻、位置代表點(diǎn)的經(jīng)緯度；

（步驟5）將所述手機(jī)用戶的位置序列數(shù)據(jù)中位置代表點(diǎn)的經(jīng)緯度與土體利用數(shù)據(jù)進(jìn)行空間關(guān)聯(lián)，生成所述手機(jī)用戶含有土地利用性質(zhì)的位置序列數(shù)據(jù)，包括用戶ID、起始時(shí)刻、終止時(shí)刻、位置代表點(diǎn)的經(jīng)緯度、土地利用類型；

（步驟6）根據(jù)位置序列數(shù)據(jù)中的終止時(shí)刻與起始時(shí)刻之差計(jì)算獲得位置停留時(shí)間，根據(jù)停留時(shí)間和土地利用類型，判斷該位置點(diǎn)的位置狀態(tài)，所述位置狀態(tài)是指停留或移動，生成所述手機(jī)用戶的出行軌跡數(shù)據(jù)，包括用戶ID、起始時(shí)刻、終止時(shí)刻、代表點(diǎn)的經(jīng)緯度、土地利用類型、位置狀態(tài)。

所述步驟（2）包括以下步驟：

（2.1）DBSCAN空間聚類算法中MinPts的確定，其中，MinPts是指以所述移動網(wǎng)絡(luò)數(shù)據(jù)中某一數(shù)據(jù)點(diǎn)為中心的鄰域內(nèi)最少點(diǎn)的數(shù)量；

（2.2）DBSCAN空間聚類算法中半徑Eps的確定，其中，半徑Eps是指以給定數(shù)據(jù)點(diǎn)為中心的圓形鄰域范圍；計(jì)算所述手機(jī)用戶每個(gè)數(shù)據(jù)點(diǎn)位置與其它所有數(shù)據(jù)點(diǎn)位置之間的歐幾里德距離，計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的k-距離值，并對所有數(shù)據(jù)點(diǎn)的k-距離值集合進(jìn)行升序排列，輸出排序后的k-距離值；

其中，k值對應(yīng)于MinPts，指：給定數(shù)據(jù)集P={p(i)；i=0,1…n},對于任一點(diǎn)p(i),計(jì)算點(diǎn)p(i)到集合D的子集S={p(1),p(2),…,p(i-1),p(i+1),…,p(n)}中所有點(diǎn)之間的距離，距離按照從小到大的順序排列，假設(shè)排序后的距離集合為D={d(1),d(2),…,d(k-1),d(k),d(k+1),…,d(n)},d(k)就被成為k-距離；

將所有數(shù)據(jù)點(diǎn)的k-距離值使用散點(diǎn)圖進(jìn)行顯示，計(jì)算散點(diǎn)圖中所有相鄰數(shù)據(jù)點(diǎn)間連線所成的斜率的平均值，挑選所有大于4倍斜率平均值的斜率所對應(yīng)的k-距離，這些k-距離的平均值即為半徑Eps的值；

（2.3）DBSCAN空間聚類算法中核心點(diǎn)的計(jì)算：以點(diǎn)P為中心、半徑為Eps的鄰域內(nèi)的點(diǎn)的個(gè)數(shù)不少于MinPts，則稱點(diǎn)P為核心點(diǎn)；根據(jù)Eps和MinPts，計(jì)算所有核心點(diǎn)，并建立核心點(diǎn)與到核心點(diǎn)距離小于半徑Eps的點(diǎn)的映射，即為核心點(diǎn)集合；

（2.4）根據(jù)核心點(diǎn)集合以及半徑Eps的值，計(jì)算能夠連通的核心點(diǎn)，將能夠連通的每一組核心點(diǎn)以及到核心點(diǎn)距離小于半徑Eps的點(diǎn)，都放到一起形成一個(gè)聚類簇，并進(jìn)行聚類簇編號ClusterID（1，2，3…n）。

DBSCAN空間聚類算法中MinPts取4。

所述步驟（3）為：

（3.1）將聚類分簇后的用戶位置數(shù)據(jù)中的位置點(diǎn)記錄按照時(shí)間戳進(jìn)行升序排序，選取一條記錄，若此記錄為第一條記錄則進(jìn)入步驟3.2，若否則進(jìn)入步驟3.3；

（3.2）選取下一條記錄，進(jìn)入步驟3.3；

（3.3）判斷本記錄與上一條記錄的聚類簇編號是否相同，若相同則保留上一條記錄，并返回步驟3.2；若否則計(jì)算兩條記錄的距離和速度，若速度處于速度閾值[a，b]范圍之內(nèi)，則保存本記錄，若否則舍棄本條記錄，進(jìn)入步驟3.4；

（3.4）判斷記錄是否遍歷完，若遍歷完則結(jié)束，若否則返回步驟3.2；直至遍歷完所有記錄，得到經(jīng)速度篩選后的用戶位置數(shù)據(jù)；

（3.5）篩選聚類簇編號來回切換的位置點(diǎn)，對于步驟（3.4）中得到的每一條記錄，判斷其之后10分鐘時(shí)間段內(nèi)是否有位置點(diǎn)的聚類簇編號來回切換大于或等于4次的，若有，則保留出現(xiàn)次數(shù)多的位置點(diǎn)數(shù)據(jù)，刪除出現(xiàn)次數(shù)少的位置點(diǎn)數(shù)據(jù)；若無，則判斷下一條記錄；直至遍歷完成所有記錄。

所述步驟（4）包括以下步驟：

(4.1)以相同位置的出現(xiàn)次數(shù)為權(quán)重選取重心位置為位置代表點(diǎn)，包括步驟：對于每一聚類簇位置集合，即當(dāng)聚類簇編號ClusterID=i時(shí)，該聚類簇的位置點(diǎn)用（LON_ij，LAT_ij）表示，其中，j=1,2,3，…，m，則該聚類簇位置集合的位置代表點(diǎn)的經(jīng)緯度為（CoreLongitude_i, CoreLatitude_i）,其中， QUOTE， QUOTE ，將該聚類簇上所有位置點(diǎn)的坐標(biāo)都變更為位置代表點(diǎn)的經(jīng)緯度（CoreLongitude_i, CoreLatitude_i）；

（4.2）生成用戶位置序列數(shù)據(jù)，包括以下步驟：

（4.2.1）將聚類簇上的位置點(diǎn)記錄按照時(shí)間戳生序排列，選取任一條記錄；

（4.2.2）判斷當(dāng)前記錄是否為第一條記錄，若為第一條記錄，則起始時(shí)刻為當(dāng)前記錄的時(shí)間，終止時(shí)刻為當(dāng)前記錄時(shí)刻，繼續(xù)選取下一條記錄；若非第一條記錄，則進(jìn)入步驟（4.2.3）；

（4.2.3）判斷當(dāng)前記錄是否與前一條記錄的聚類簇編號相同，若相同，則更新終止時(shí)刻為當(dāng)前記錄的時(shí)間；若不相同，則當(dāng)前記錄為另一聚類簇位置數(shù)據(jù)，則起始時(shí)刻為當(dāng)前記錄的時(shí)間，終止時(shí)刻為當(dāng)前記錄時(shí)刻；

（4.2.4）判斷數(shù)據(jù)是否遍歷完全，若遍歷未完全，則返回步驟（4.2.2）；若遍歷完全則結(jié)束，生成用戶位置序列數(shù)據(jù)，包括用戶ID、起始時(shí)刻、終止時(shí)刻、位置代表點(diǎn)的經(jīng)緯度。

所述步驟（5）中所述土地利用類型分為9類，包括住宅用地、商業(yè)金融業(yè)用地、交通用地、公共建筑用地、工業(yè)或倉儲用地、湖泊用地、市政用地、特殊用地、其它用地。

所述步驟（6）包括以下步驟：根據(jù)位置序列數(shù)據(jù)中的終止時(shí)刻與起始時(shí)刻之差計(jì)算獲得位置停留時(shí)間，若停留時(shí)間小于1h，則位置狀態(tài)為移動；若停留時(shí)間大于1h且土地利用類型為交通用地或市政用地，則狀態(tài)為停留；若停留時(shí)間大于3h且土體利用類型為住宅用地或商業(yè)金融業(yè)用地或公共建筑用地，則狀態(tài)為停留；其它情況皆為移動；生成所述手機(jī)用戶的出行軌跡數(shù)據(jù)，包括用戶ID、起始時(shí)刻、終止時(shí)刻、代表點(diǎn)的經(jīng)緯度、土地利用類型、位置狀態(tài)。

本發(fā)明的優(yōu)點(diǎn)是，充分依托現(xiàn)有的無線通信網(wǎng)絡(luò)信息資源，結(jié)合用地性質(zhì)快速方便的進(jìn)行人員出行鏈識別，為交通規(guī)劃工作提供相關(guān)數(shù)據(jù)，并具有比傳統(tǒng)交通調(diào)查方法更低的成本和更短的數(shù)據(jù)更新周期。

附圖說明

圖1為本發(fā)明中基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法流程示意圖；

圖2為本發(fā)明實(shí)施例中某手機(jī)用戶的部分移動網(wǎng)絡(luò)數(shù)據(jù)統(tǒng)計(jì)表；

圖3為本發(fā)明實(shí)施例中某手機(jī)用戶每個(gè)位置點(diǎn)與其它所有位置點(diǎn)之間的歐幾里德距離統(tǒng)計(jì)表；

圖4為本發(fā)明實(shí)施例中某手機(jī)用戶所有位置點(diǎn)的4-距離集合升序排列統(tǒng)計(jì)表；

圖5為本發(fā)明實(shí)施例中某手機(jī)用戶所有位置點(diǎn)的4-距離散點(diǎn)圖；

圖6為本發(fā)明圖5中排名570至624的位置點(diǎn)所對應(yīng)的4-距離散點(diǎn)圖；

圖7為本發(fā)明實(shí)施例中形成4個(gè)聚類簇的數(shù)據(jù)統(tǒng)計(jì)表；

圖8為本發(fā)明步驟3中異常點(diǎn)排除方法流程示意圖；

圖9為本發(fā)明實(shí)施例中聚類后全天位置數(shù)據(jù)中上午9-10點(diǎn)時(shí)間段數(shù)據(jù)統(tǒng)計(jì)表；

圖10為本發(fā)明實(shí)施例中兩條記錄之間的速度判定數(shù)據(jù)統(tǒng)計(jì)表；

圖11為本發(fā)明實(shí)施例中遍歷判定完所有記錄后的數(shù)據(jù)結(jié)果統(tǒng)計(jì)表；

圖12為本發(fā)明實(shí)施例中9:04:01至9:14:49時(shí)間段內(nèi)篩選來回切換位置點(diǎn)數(shù)據(jù)統(tǒng)計(jì)表；

圖13為本發(fā)明實(shí)施例中所有時(shí)間段內(nèi)篩選來回切換位置點(diǎn)數(shù)據(jù)統(tǒng)計(jì)表；

圖14為本發(fā)明步驟4中用戶位置序列數(shù)據(jù)生成方法流程示意圖；

圖15為本發(fā)明實(shí)施例中將用戶記錄按照時(shí)間戳Time升序排列的數(shù)據(jù)統(tǒng)計(jì)表；

圖16為本發(fā)明實(shí)施例中生成用戶位置序列數(shù)據(jù)的數(shù)據(jù)統(tǒng)計(jì)表；

圖17為本發(fā)明中土地利用類型分類表；

圖18為本發(fā)明實(shí)施例中生成的含有土地利用性質(zhì)的位置序列數(shù)據(jù)統(tǒng)計(jì)表；

圖19為本發(fā)明實(shí)施例中所生成的某手機(jī)用戶的出行軌跡數(shù)據(jù)表。

具體實(shí)施方式

以下結(jié)合附圖通過實(shí)施例對本發(fā)明的特征及其它相關(guān)特征作進(jìn)一步詳細(xì)說明，以便于同行業(yè)技術(shù)人員的理解：

實(shí)施例：如圖1所示，本實(shí)施例具體涉及一種基于移動網(wǎng)絡(luò)數(shù)據(jù)的人員出行鏈識別方法，該人員出行鏈識別方法具體以下步驟：

【步驟1】

選取某一手機(jī)用戶全天內(nèi)的移動網(wǎng)絡(luò)數(shù)據(jù)，該移動網(wǎng)絡(luò)數(shù)據(jù)主要包括用戶ID（UserID）、時(shí)間戳（Time）、基站ID（CELLID）、基站經(jīng)緯度（Longitude，Latitude）；

如圖2所示，本實(shí)施例中選取用戶ID為30C0F16的手機(jī)用戶在2016年4月26日的全天移動網(wǎng)絡(luò)數(shù)據(jù)，總共672個(gè)位置點(diǎn)，由于位置點(diǎn)數(shù)量較多，因此圖2中僅列出其中部分?jǐn)?shù)據(jù)。

【步驟2】

基于DBSCAN空間聚類方法，對該手機(jī)用戶的全天移動網(wǎng)絡(luò)數(shù)據(jù)中的位置數(shù)據(jù)進(jìn)行空間聚類，得到該手機(jī)用戶全天位置數(shù)據(jù)；

（步驟2.1）DBSCAN空間聚類算法中MinPts的確定：

DBSCAN空間聚類算法中的一個(gè)參數(shù)是MinPts，表示以某一位置點(diǎn)為中心的鄰域內(nèi)最少位置點(diǎn)的數(shù)量；DBSCAN算法中取MinPts=4，下面確定Eps時(shí)，k-距離中設(shè)置k=4；

（步驟2.2）DBSCAN空間聚類算法中Eps的確定：

（2.2.1）DBSCAN空間聚類算法中另一個(gè)是參數(shù)半徑Eps，表示以給定位置點(diǎn)為中心的圓形鄰域的范圍；計(jì)算該手機(jī)用戶每個(gè)位置點(diǎn)與其它所有位置點(diǎn)之間的歐幾里德距離，計(jì)算每個(gè)位置點(diǎn)的4-距離值，并對所有位置點(diǎn)的4-距離集合進(jìn)行升序排列，輸出排序后的4-距離值；

在本實(shí)施例中，該手機(jī)用戶每個(gè)位置點(diǎn)與其它所有位置點(diǎn)之間的歐幾里德距離如圖3所示；該手機(jī)用戶所有位置點(diǎn)的4-距離集合進(jìn)行升序排列后如圖4所示；

（2.2.2）將如圖4中所示的4-距離值，在Excel軟件中使用散點(diǎn)圖顯示4-距離變化趨勢，將急劇發(fā)生變化的位置點(diǎn)所對應(yīng)的4-距離值，確定為半徑Eps的值，如圖5所示（橫坐標(biāo)是名次，縱坐標(biāo)是4-距離值），排名570往后所對應(yīng)的距離變化較為明顯，橫坐標(biāo)排名625后變化太快可忽略；如圖6所示，進(jìn)一步放大570至624所對應(yīng)的4-距離；

所有相鄰位置點(diǎn)連線所成斜率的平均值為0.003685，則斜率均值的4倍為0.01474，大于此值所對應(yīng)的4-距離值共有20個(gè)位置點(diǎn)，這20個(gè)平均4-距離值為540米，則半徑EPS=540米；

（步驟2.3）DBSCAN空間聚類算法中核心點(diǎn)計(jì)算：

以點(diǎn)P為中心、半徑為Eps的鄰域內(nèi)的點(diǎn)的個(gè)數(shù)不少于MinPts，則稱點(diǎn)P為核心點(diǎn)；根據(jù)Eps=510米和MinPts=4，計(jì)算所有核心點(diǎn)，并建立核心點(diǎn)與到核心點(diǎn)距離小于半徑Eps的點(diǎn)的映射；

（步驟2.4）根據(jù)核心點(diǎn)集合，以及半徑Eps的值，計(jì)算能夠連通的核心點(diǎn)，將能夠聯(lián)通的每一組核心點(diǎn)，以及到核心點(diǎn)距離小于半徑Eps=540米的點(diǎn)，都放到一起，形成一個(gè)聚類簇，并進(jìn)行聚類簇編號ClusterID（1，2，3…n），此實(shí)際案例中，形成4簇?cái)?shù)據(jù)，如圖7所示。

【步驟3】

對于聚類后的全天位置數(shù)據(jù)，按照時(shí)間TIME進(jìn)行升序排序，按速度（Speed）進(jìn)行篩選，包括用戶ID（UserID）、時(shí)間戳（TIME）、基站經(jīng)緯度（Longitude ,Latitude）、聚類簇編號（ClusterID）；

如圖8、9所示，下文從聚類后的全天位置數(shù)據(jù)中選取上午9點(diǎn)至10點(diǎn)時(shí)間段，共26個(gè)記錄做具體分析：

（3.1）將聚類后的該用戶的全天位置數(shù)據(jù)按照Time進(jìn)行升序排序，如下表，選取一條記錄，本案例選取時(shí)間為9:04:01的記錄，并假設(shè)為第一條記錄；

（3.2）選取下一條記錄，時(shí)間為9:07:00的記錄，作為本條記錄 ；

（3.3）本記錄9:07:00與上一條記錄09:04:01的聚類簇編號（ClusterID）均為2，保留上一條記錄；

（3.4）繼續(xù)選取下一條09:08:30記錄作為本條記錄，本記錄與上一條記錄09:07:00的聚類簇編號分別為1和2，計(jì)算兩條記錄的距離和速度；城市道路中車速一般不超過100km/h，即27m/s左右；行人速度一般1.5m/s，在此認(rèn)為速度合理范圍為[1，27]m/s，速度合理范圍因地區(qū)不同而有所差異；

如圖10所示，上述兩條記錄之間速度為24.5m/s，在合理速度范圍內(nèi)，保留本條09:08:30記錄；依此方法繼續(xù)遍歷數(shù)據(jù)直至遍歷完所有數(shù)據(jù)，數(shù)據(jù)結(jié)果如圖11所示；

（3.5）篩選來回切換位置點(diǎn)，對于如圖11表中的每一條記錄，時(shí)間向后推10分鐘，判斷這段時(shí)間內(nèi)是否有位置點(diǎn)來回切換大于或等于4次的記錄，若有則保留出現(xiàn)次數(shù)多的位置點(diǎn)數(shù)據(jù)，刪除出現(xiàn)次數(shù)少的位置點(diǎn)數(shù)據(jù)；否則下一條記錄直至遍歷完所有記錄；此處所指的位置點(diǎn)來回切換具體是指位置點(diǎn)所屬的聚類簇編號來回變化；

以9:04:01向后10分鐘內(nèi)的數(shù)據(jù)為例，即9:04:01至9:14:49這一時(shí)間段，該用戶在聚類簇編號CLUSTERID=2或1或0的位置聚類簇點(diǎn)之間來回切換，超過4次，聚類簇編號CLUSTERID=2或1或0的位置聚類簇點(diǎn)出現(xiàn)次數(shù)分別為：4次、1次2次；因此保留此時(shí)間段聚類簇編號CLUSTERID=2的數(shù)據(jù)，刪除此時(shí)間段聚類簇編號CLUSTERID=1或0的數(shù)據(jù)，得到如圖12所示的結(jié)果；

同樣的方法判斷9:07:00向后10分鐘內(nèi)數(shù)據(jù)情況，以此類推直至全部數(shù)據(jù)，得到如圖13所示的最終位置序列數(shù)據(jù)。

【步驟4】

如圖14所示，對于每一聚類簇位置集合，以位置出現(xiàn)次數(shù)為權(quán)重選取重心位置作為位置代表點(diǎn)，并選取該聚類簇的時(shí)間上第一條記錄的時(shí)刻作為起始時(shí)刻（StartTime），選取該類的時(shí)間上最后一條記錄的時(shí)刻作為終止時(shí)刻（EndTime），生成該用戶的位置序列數(shù)據(jù)；

（4.1）對于每一聚類簇位置集合，即當(dāng)聚類簇編號ClusterID=0時(shí)，這一聚類簇的位置點(diǎn)共有16個(gè)，獲得這一聚類簇位置集合的位置代表點(diǎn)的經(jīng)緯度，將該聚類簇所有位置點(diǎn)的坐標(biāo)都變更為位置代表點(diǎn)的經(jīng)緯度；同樣的方法求出聚類簇編號ClusterID為1、2、3、4時(shí)的經(jīng)緯度，分別為（121.61001，29.85892）、（121.58609，29.864989）、（121.543767，29.89086）、（121.565849，29.870109），用位置代表點(diǎn)的經(jīng)緯度代替同一聚類簇所有位置點(diǎn)的經(jīng)緯度；

（4.2）如圖14所示生成用戶位置序列數(shù)據(jù)

（4.2.1）將用戶記錄按照時(shí)間戳Time升序排列，選取一條記錄，時(shí)間為9:04:01，如圖15所示；

（4.2.2）假設(shè)此記錄為第一條記錄，則StartTime=9:04:01，EndTime=9:04:01；

（4.2.3）繼續(xù)選取下一條數(shù)據(jù)9:07:00，作為當(dāng)前記錄，當(dāng)前記錄是與上一條記錄的聚類簇編號ClusterID相同，均為2，則更新EndTime=9:07:00；

（4.2.4）繼續(xù)選取記錄，當(dāng)選取9:29:21時(shí)，本記錄與上一條記錄分屬不同的聚類簇編號，則StartTime=9:29:21，EndTime=9:29:21，依次遍歷記錄，直至所有記錄；生成該用戶的位置序列數(shù)據(jù)，如圖16所示。

【步驟5】

將該手機(jī)用戶的位置序列數(shù)據(jù)的位置與土地利用數(shù)據(jù)進(jìn)行空間關(guān)聯(lián)，生成該用戶的含有土地利用性質(zhì)的位置序列數(shù)據(jù)，主要包括用戶ID（UserID）、起始時(shí)刻（StartTime）、終止時(shí)刻（EndTime）、代表位置經(jīng)緯度（CoreLongitude , CoreLatitude）、土地利用類型（LanduseType）；其中，由于土地利用類型眾多，本方法將之歸為9類，這9類包含所有土地利用類型，如圖17所示；

本實(shí)施例中所生成的含有土地利用性質(zhì)的位置序列數(shù)據(jù)如圖18所示。

【步驟6】

如圖17、18所示，計(jì)算位置停留時(shí)間StayTime=EndTime-StartTime，根據(jù)停留時(shí)間和土地利用類型，判斷該位置點(diǎn)是停留點(diǎn)還是移動點(diǎn)，生成該用戶的出行軌跡數(shù)據(jù)。

若StayTime<1h，則狀態(tài)為Move；

若StayTime>1h 且LanduseType為3或7，則狀態(tài)為Stay；

若StayTime>3h 且LanduseType為1或2或4，則狀態(tài)為Stay；

其他情況，狀態(tài)皆為Move；

從而得到生成該用戶的出行軌跡數(shù)據(jù)，如圖19所示。