專利名稱：利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法
技術(shù)領(lǐng)域：
本發(fā)明屬于城市管理和信息技術(shù)領(lǐng)域，涉及一種城市異常事件發(fā)現(xiàn)方法。
背景技術(shù)：
隨著城市化步伐的加快，能夠理解和預(yù)測群體事件對于城市管理者尤其是對大城市的管理者來說是一個嚴(yán)重的挑戰(zhàn)。當(dāng)不能準(zhǔn)確地確定參加事件的人數(shù)時(shí)(例如，從門票收入)，傳統(tǒng)預(yù)測的手段是靠直覺和經(jīng)驗(yàn)來估計(jì)群體性事件的。即使知道了參加事件的準(zhǔn)確人數(shù)，那么預(yù)測事件參與者對城市管理的影響也是很困難的。事件預(yù)測可以采用基于人群分析的方法，在人群分析方法中有事件推理和人群建模兩個概念。事件推理的目標(biāo)是在給定數(shù)據(jù)(例如一個地方和集成通話的圖像)情況下檢測人群是否存在。事件推理中的事件可能是可預(yù)測的，也可能是對應(yīng)一個實(shí)際的公共異常事件；人群建模的任務(wù)包括建立人群模式或者人群描述，這些模式或者描述能夠預(yù)測或者模擬人群行為。一個成功的人群模型考慮到了有效的應(yīng)用，例如空間的預(yù)測，計(jì)劃的可行性，防止危險(xiǎn)情況或以及計(jì)劃一個應(yīng)急疏散都是有效的應(yīng)用。從三個層次對人群建模進(jìn)行分析微觀、宏觀、介觀。在微觀層面上，個人是研究對象，而在宏觀層面上的研究對象是群組。介觀層次上的建模包括前兩者的特性，既要把一個群體看成一個有均一水平的團(tuán)體又要考慮個體之間的相互作用以及個體的特點(diǎn)。對于人群行為的建模，能夠涉及到幾個不同的領(lǐng)域。在計(jì)算機(jī)視覺中，人群建模是通過視覺手段分析人群的視頻數(shù)據(jù)來表現(xiàn)周期性行為。在物理學(xué)中，受到流體動力學(xué)，群， 元胞自動機(jī)的啟發(fā)發(fā)展了許多方法。在過去幾年，“普遍計(jì)算社區(qū)”開發(fā)了一些技術(shù)，例如 GSM、藍(lán)牙或者無線定位技術(shù)；這樣一來我們可以利用這些技術(shù)大規(guī)模地分析人群事件并得到更重要的信息。從數(shù)據(jù)收集的角度來看，傳統(tǒng)的人群分析方法由來自控制點(diǎn)的數(shù)據(jù)聚合(如售出門票數(shù)量；在賓館的夜晚，每個房間的人數(shù)；總?cè)藬?shù))以及從隨機(jī)選擇的個人調(diào)查組成。在 90年代，從計(jì)算機(jī)視覺研究帶來另外的(非侵入性的)方法，即檢測密度(人在空間的數(shù)量)，地點(diǎn)，速度，和人群形狀，通過這些方法提取人群的相關(guān)特點(diǎn)。雖然可以對這些屬性進(jìn)行有用的分析，但是可用相機(jī)的數(shù)量限制了這種研究。隨著移動電話的爆發(fā)，連同現(xiàn)在的傳感器和更先進(jìn)的通信系統(tǒng)(如GPS、數(shù)碼相機(jī)、藍(lán)牙、WiFi)的出現(xiàn)，使得用中大量的數(shù)據(jù)來研究群體、個體或者個體與群里的結(jié)合成為可能。前述各種技術(shù)帶來了不同的挑戰(zhàn)但是這使得相關(guān)事件的推論成為可能。當(dāng)事件被定位在空間時(shí)用傳統(tǒng)的方法進(jìn)行分析是緩慢的、精確的。計(jì)算機(jī)視覺允許事件的自動推理同時(shí)也提供了事件的一些特性，例如上面提到的有限的可視化數(shù)據(jù)。采用如通信或者GPS 這樣的數(shù)字足跡跟蹤可以有更廣闊的區(qū)域，但是與前述方法比精度比較低。就細(xì)節(jié)水平而言，傳統(tǒng)的方法在宏觀粒度(除非個性化數(shù)據(jù)收集)上是能勝任的，計(jì)算機(jī)視覺是適用與任何粒度水平尤其適用與宏觀和介觀分析，而這種利用手機(jī)位置移動數(shù)據(jù)或者叫數(shù)字足跡(這些手機(jī)數(shù)據(jù)是通過手機(jī)的計(jì)費(fèi)數(shù)據(jù)獲得)的方法在個人隱私受到很好的保護(hù)時(shí)能用于任何粒度的分析，即微觀水平。當(dāng)然，這種方法的精度是依靠研究中技術(shù)的滲透速率(例如人群中手機(jī)用戶的數(shù)量)決定的。為能夠在國家、地區(qū)或城市管理的水平上調(diào)查異常事件對經(jīng)濟(jì)和城市擁塞的影響，從而更有效實(shí)現(xiàn)交通規(guī)劃及交通物流管理就必須清楚地了解的中、大規(guī)模的異常事件及其經(jīng)濟(jì)影響。其中一個問題是在中大規(guī)模事件中了解人群模式的穩(wěn)定性。如果可以找到人群的規(guī)律性，那么就可以開發(fā)出基于這種人群模式的服務(wù)了，并來完善事件的經(jīng)驗(yàn)(例如，事件后提供疏散建議)；相反的，也可以通過了解居民更愿意參加哪類事件來特征化居民。這就會繪出到每個區(qū)域的愛好結(jié)構(gòu)圖，反過來在定位系統(tǒng)上增加愛好結(jié)構(gòu)圖，那么增加了偏好值的地理信息會變成有關(guān)的空間語境信息。如果事件參與者的來源位置和事件類型直接相關(guān)，就可以通過參與者的來源信息能夠預(yù)測事件類型。已經(jīng)有人確定了事件參與者的來源和事件類型之間存在著關(guān)系，那么對于大規(guī)模事件就可以通過考慮它的事件類型來推測出是否為異常事件和這個大規(guī)模事件額外的需求。例如，可以提供一些關(guān)于交通管理決策中的關(guān)鍵信息，增加從某個區(qū)域到事件地點(diǎn)的公家車路線的數(shù)量等。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種能夠快速發(fā)現(xiàn)事件參與者的來源和事件類型之間的關(guān)系，從事件參與者的來源分布推測出事件類型或者推測是否為異常事件的事件預(yù)測方法。 本發(fā)明的技術(shù)方案如下一種利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法，包括下列步驟(1)從某個區(qū)域的已知事件中選擇符合下列標(biāo)準(zhǔn)的事件；-參與人數(shù)應(yīng)該滿足所設(shè)定的規(guī)模；-在空間上相對于相鄰事件是獨(dú)立的；-事件的場地是明確區(qū)域；-在時(shí)間上和該區(qū)域的任何事件是獨(dú)立的；-至少持續(xù)一段時(shí)間；(2)利用手機(jī)計(jì)費(fèi)數(shù)據(jù)對符合上述標(biāo)準(zhǔn)的事件進(jìn)行參與者的篩選和參與者家庭住址的定位，之后對所有的事件進(jìn)行計(jì)數(shù)統(tǒng)計(jì)來特征化這些事件，得到標(biāo)準(zhǔn)庫的數(shù)據(jù)集，步驟如下2-1從電信運(yùn)營商那里獲得匿名手機(jī)計(jì)費(fèi)數(shù)據(jù)；2-2將用戶每使用一次手機(jī)視為發(fā)生一次用戶事件，對于所搜集到的每個用戶的手機(jī)計(jì)費(fèi)數(shù)據(jù)，統(tǒng)計(jì)各個用戶事件的間隔時(shí)間，利用由經(jīng)度、緯度組成的位置點(diǎn)Pi和時(shí)間戳 ti來特征化用戶移動行為的個體位置測量數(shù)據(jù)Hli ；2-3從個體位置測量數(shù)據(jù)中按照下列方法提取軌跡a.設(shè)一個軌跡是一個用戶按時(shí)間順序訪問過的η個位置序列Traj =
{Pi — P2 — Λ — pj ；b.對軌跡進(jìn)行分割得到子軌跡；c.設(shè)定時(shí)間閾值Tth和空間閾值Sth，對每個子軌跡，確定用戶停止移動的時(shí)間和呼叫停止位置點(diǎn)，用一組連續(xù)的呼叫停止位置點(diǎn)來表征用戶的停止序列
權(quán)利要求
1. 一種利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法，包括下列步驟(1)從某個區(qū)域的已知事件中選擇符合下列標(biāo)準(zhǔn)的事件；-參與人數(shù)應(yīng)該滿足所設(shè)定的規(guī)模；-在空間上相對于相鄰事件是獨(dú)立的；-事件的場地是明確區(qū)域；-在時(shí)間上和該區(qū)域的任何事件是獨(dú)立的；-至少持續(xù)一段時(shí)間；(2)利用手機(jī)計(jì)費(fèi)數(shù)據(jù)對符合上述標(biāo)準(zhǔn)的事件進(jìn)行參與者的篩選和參與者家庭住址的定位，之后對所有的事件進(jìn)行計(jì)數(shù)統(tǒng)計(jì)來特征化這些事件，得到標(biāo)準(zhǔn)庫的數(shù)據(jù)集，步驟如下1)從電信運(yùn)營商那里獲得匿名手機(jī)計(jì)費(fèi)數(shù)據(jù)；2)將用戶每使用一次手機(jī)視為發(fā)生一次用戶事件，對于所搜集到的每個用戶的手機(jī)計(jì)費(fèi)數(shù)據(jù)，統(tǒng)計(jì)各個用戶事件的間隔時(shí)間，利用由經(jīng)度、緯度組成的位置點(diǎn)Pi和時(shí)間戳、來特征化用戶移動行為的個體位置測量數(shù)據(jù)Hli ；3)從個體位置測量數(shù)據(jù)中按照下列方法提取軌跡a.設(shè)一個軌跡是一個用戶按時(shí)間順序訪問過的η個位置序列Traj={Pi — P2 — Λ — pj ；b.對軌跡進(jìn)行分割得到子軌跡；c.設(shè)定時(shí)間閾值Tth和空間閾值Sth，對每個子軌跡，確定用戶停止移動的時(shí)間和呼叫停止位置點(diǎn)，用一組連續(xù)的呼叫停止位置點(diǎn)來表征用戶的停止序列P = {1)3，？3+1，人，？111}，其中 Vs <u^mimaXCdistanCe(PilPj)) 且tm-ts > Tth，序列中的每個呼叫停止位置點(diǎn)稱之為用戶的停留點(diǎn)；4)用戶的家庭位置被認(rèn)為成在晚上最頻繁的停留點(diǎn)，據(jù)此推斷用戶的家庭住址；5)根據(jù)下列判據(jù)，判斷一個用戶是否是事件的參與者i)用戶在與事件相同的位置單元停留ii)停留時(shí)間至少和事件時(shí)間有70%的重疊iii)家庭住址和事件位置單元是不同的6)統(tǒng)計(jì)各個事件發(fā)生的位置單元、參加事件的人數(shù)、事件類型，對事件進(jìn)行計(jì)數(shù)統(tǒng)計(jì)的特征化，建立標(biāo)準(zhǔn)庫的數(shù)據(jù)集；(3)設(shè)事件類型數(shù)為K，并設(shè)定對數(shù)據(jù)集進(jìn)行聚類訓(xùn)練的初始類中心，對標(biāo)準(zhǔn)庫的數(shù)據(jù)集里的未經(jīng)訓(xùn)練的事件數(shù)據(jù)進(jìn)行如下的聚類訓(xùn)練1)計(jì)算每兩個事件之間的距離，并選擇最大距離和最小距離；令a=最大距離/K，b = 最小距離/K，進(jìn)行下一步；2)對數(shù)據(jù)集中的每個事件做如下操作a.從當(dāng)前的初始類中心中找到與該事件最近的類中心；b.如果該事件與最近類中心的距離小于a，則該事件被劃分到該類，否則，將該事件作為一個新的類中心；3)若類中心的個數(shù)大于K個，從各個類中心中選取包含事件個數(shù)最多的K個類中心作為初始類中心，否則，選取所有的類中心作為初始類中心；4)重復(fù)以下操作，直到每個初始類中心m的距離變化小于b :a.計(jì)算每個事件與各個初始類中心的距離，將其劃分到最近的類；b.重新計(jì)算每個類中心m、半徑d和標(biāo)準(zhǔn)差c；(4)對于發(fā)生在該區(qū)域里并符合步驟(1)列出的標(biāo)準(zhǔn)的待檢測的新事件，采用步驟(2) 的方法，對事件進(jìn)行參與者的篩選和參與者家庭住址的定位，之后對待檢測的新事件進(jìn)行計(jì)數(shù)統(tǒng)計(jì)，得到新的事件數(shù)據(jù)，再按照步驟(3)的方法聚類訓(xùn)練，并計(jì)算待檢測的新事件和每個類中心m的距離，從中選擇一個最小的距離minD ；如果minD小于(d+3c)則該事件的類型不是異常事件，否則判斷該事件可能為異常事件。
2.根據(jù)權(quán)利要求1所述的利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法，其特征在于，在對每個子軌跡，確定用戶停止移動的時(shí)間和呼叫停止位置點(diǎn)之前，對于軌跡，先利用低通濾波器濾去由于手機(jī)計(jì)費(fèi)數(shù)據(jù)噪音產(chǎn)生的子軌跡噪音。
3.根據(jù)權(quán)利要求1所述的利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法，其特征在于，所述的位置單元即是根據(jù)郵編劃定的行政區(qū)域。
全文摘要
本發(fā)明屬于城市管理和信息技術(shù)領(lǐng)域，涉及一種利用手機(jī)數(shù)據(jù)發(fā)現(xiàn)城市活動中異常事件的方法，包括下列步驟(1)從某個區(qū)域的已知事件中選擇符合標(biāo)準(zhǔn)的事件；(2)利用手機(jī)計(jì)費(fèi)數(shù)據(jù)對符合上述標(biāo)準(zhǔn)的事件進(jìn)行參與者的篩選和參與者家庭住址的定位，之后對所有的事件進(jìn)行計(jì)數(shù)統(tǒng)計(jì)來特征化這些事件，得到標(biāo)準(zhǔn)庫的數(shù)據(jù)集；(3)對標(biāo)準(zhǔn)庫的數(shù)據(jù)集里的未經(jīng)訓(xùn)練的事件數(shù)據(jù)進(jìn)行聚類訓(xùn)練；(4)對于發(fā)生在該區(qū)域里的待檢測的新事件，進(jìn)行計(jì)數(shù)統(tǒng)計(jì)和聚類訓(xùn)練，并判斷該事件是否為可能為異常事件。本發(fā)明能夠快速發(fā)現(xiàn)事件參與者的來源和事件類型之間的關(guān)系，從事件參與者的來源分布推測出事件類型或者推測是否為異常事件。
文檔編號G06Q50/00GK102184512SQ20111011961
公開日2011年9月14日 申請日期2011年5月10日 優(yōu)先權(quán)日2011年5月10日
發(fā)明者王文俊, 陳飛 申請人:天津大學(xué)