一種針對手機基站定位數據的可視分析系統及方法技術方案

本發明專利技術涉及一種針對手機基站定位數據的可視分析系統及方法，通過采用結合基于空間簡化和時間簡化的技術，對手機基站定位數據集進行基站可視化處理、基站間人群流向可視化處理、基于基站的人群流動模式可視化處理和基于時間步的人群流動模式可視化處理，從多個角度展示手機基站定位數據中包含的大量信息。

【技術實現步驟摘要】
一種針對手機基站定位數據的可視分析系統及方法
本專利技術屬于信息可視化領域，具體涉及一種針對手機基站定位數據的可視分析系統及方法，用于觀察城市中人群的空間分布狀況以及人群流動情況，以實現對某地區進行人流監控以及規律分析。
技術介紹
我國是世界上人口最多的國家，隨著大數據時代的到來和智慧城市的提出，如何合理的監控、引導和預警大城市或超大城市人口流動狀況，提高市民的生活質量，預警特定高密度人口流動區域異常事件的發生，已成為一個亟待解決的實用性課題。隨著手機等移動終端的普及，人們從移動通信網絡中收集了到大量的數據。手機定位數據作為移動通信網絡數據中的一類，在分析人群移動模式、城市功能區識別以及交通網絡規劃中都提供了很大的幫助。目前，相關領域的很多專家學者都在關注如何利用從移動通信網絡中獲取的數據來進行可視化研究。在數據可視化中，基于點的可視化重點考慮離散的個體，可以直接顯示物體在某一時間點的位置。基于點的表示方法的優勢是能夠使用戶直接觀察到數據中的每一個個體，但是當數據量非常龐大時，過多的點會造成畫面中相互遮擋和不清楚的問題。現有的流向圖是表示物體從一個地方到另一個地方的移動，在地圖上的區域之間直接繪制有向邊，并用邊的寬度或顏色等表示流量大小。傳統的流向圖直接將所有軌跡繪制在地圖上，會造成軌跡間相互遮擋覆蓋和不清晰問題。SelassieD等在2011年提出了邊捆綁的方法，通過彎曲邊讓相似的邊相互靠近形成一束，以減少相互遮擋。盡管邊捆綁可以減少混亂問題，但是在兩個位置之間識別實際的連接方向是很困難的。基于手機基站定位的數據集紀錄了每個手機用戶在不同時刻出現的位置，但從個人的軌跡數據中，很難看出整個城市的整體人群流動情況。現有的一些基于手機定位數據的可視分析系統，能夠分析出不同時間段的人群密度，人群流向等特征，但無法展示出每個基站特有的人群流動模式，以及人群移動模式隨時間的變化。綜上所述，在對手機定位數據可視化中，通過有效的聚類算法可以避免大量數據造成的畫面不清晰；通過對數據集進行基于空間上的簡化和時間上的簡化，可以有針對性的對城市中不同區域、不同時間段的人群移動模式進行可視化。
技術實現思路
本專利技術技術解決問題，克服現有技術的不足，提供一種針對手機基站定位數據的可視分析系統及方法，通過采用結合基于空間簡化和時間簡化的可視化技術，從多個角度展示手機基站定位數據中包含的大量信息，通過采用結合基于空間簡化和時間簡化的可視化方法，對城市中的人群流動情況進行可視化。本專利技術技術解決方案：一種面向手機定位數據的可視分析系統，包括數據預處理模塊和可視化模塊。所述數據預處理模塊：可分為數據清洗和數據統計兩個步驟。數據清洗是整套手機基站定位數據的基礎，其主要功能為：剔除原始數據集中信息不完整有缺失的數據，例如基站經緯度缺失的數據；同時清理會對后續可視化有干擾的信息，例如在手機基站定位數據中影響最大的“乒乓效應”。數據統計是在數據清洗后，為了后續可視化的需要，對現有數據進行統計處理，根據信令產生時間，選擇一段特定時間作為固定的時間步，統計每個時間步每個基站內的人數，以及該基站到其他基站的流入、流出人數。所述可視化模塊：可分為基站可視化、基站間人群流向可視化、基于基站的人群流動模式可視化和基于時間步的人群流動模式可視化。基站可視化是根據數據集中基站的經緯度，將基站用圖標在地圖上展示出來。由于基站數量多，直接顯示會造成地圖上圖標過于密集，因此采用一種基于地圖分辨率的層次聚類算法對基站進行聚類后，根據地圖分辨率直接展示基站聚類后的結果。基站間人群流向可視化采用流向圖展示，該部分用于可視化基站間人群流動情況，用線條的粗細表示人群流量的大小。基于基站的人群流動模式可視化，用于展示每個基站聚類在一天中的人群流動情況，用南丁格爾玫瑰圖展示一天中各個時間段的人數變化情況。基于時間步的人群流動模式可視化，用于展示不同時間步之間的關系，對于每個時間步，采用基站間的流量作為特征向量，構建每個時間步的特征矩陣，并對此進行聚類，聚為一類的時間步表示這些時間段內，城市中人群流動的模式較為相似，并采用圓環圖對其進行可視化。一種針對手機基站定位數據的可視分析方法，使用基于地圖比例尺的層次聚類算法對基站進行聚類，根據人群密度或流向分別采用不同的可視化方案。數據預處理模塊實現過程如下：A對基于手機基站定位的原始數據集(包括手機用戶的唯一標識、經緯度和時間信息，由于數據量很大往往存儲在分布式數據倉庫中，例如Hive數據倉庫)，在取出數據導入本地文件時，進行數據預處理，包括：A1)針對基站信息數據集，將基站地點經緯度缺失的數據清除；A2)針對手機定位數據集，消除數據中出現的“乒乓效應”。所謂乒乓效應，在數據表中的表現就是同一個用戶在一段很短的時間內(此處設定為10分鐘)，反復在兩個或多個基站間頻繁切換的現象。得到清理后的數據集，根據后續可視化的需要，對其進行統計處理，包括：A3)選擇一個固定的時間步，例如60分鐘，計算每個時間步中各個基站的人數BN＝{bn1,bn2,…,bnm}(時間步個數為n，基站個數為m)；A4)計算每個時間步中，各個基站的人群流動情況，即每個基站到其他基站的流出人數BFi,j，例如從基站C1到基站C2的流出人數為BF1,2，從基站C2到基站C1的流出人數為BF2,1。可視化模塊，具體包括以下步驟：B根據上述處理后的數據集進行可視化，包括如下操作：基站可視化具體實現如下：B1)根據不同的地圖分辨率R＝{r1,r2,…,rn}，設置不同的地圖縮放級別L＝{l1,l2,…,ln}，展示不同分別率的地圖。設計一種基于地圖分別率的層次聚類算法，對基站進行聚類。針對上述基于地圖分辨率的層次聚類算法，該算法是對凝聚層次聚類算法的擴展。所述聚類算法描述如下：step1：有m個基站，設B＝{b1,b2,…,bm}為所有基站的集合。設置n個地圖縮放級別，以下簡稱為n層，每層對應的分辨率R＝{r1,r2,…,rn}。設置一個常量c，每層的聚類間最小距離di＝c*ri，即距離超過di的基站將不聚為一類。設每層的聚類結果為H＝{h1,h2,…,hn}，hi是在第i層的聚類結果。初始化H為空集。Step2：計算第1層的最大相似距離d1＝c*r1，采用凝聚層次聚類算法對B進行聚類。對初始的基站集合B中m個基站作為m個簇，將距離小于d1的最近的兩個簇聚為一類，然后更新集合B，此時集合內簇的個數為m-1；對更新的集合B中繼續將距離小于d1的最近的兩個簇聚為一類，再更新集合B，此時集合內簇的個數為m-2；重復上述步驟，直至所有簇間距離均大于d1。最終聚類結果為h1；Step3：計算第2層的最大相似距離d2＝c*r2，采用相同凝聚層次聚類算法算法對上一層的結果h1進行聚類，結果為h2；Step4：計算第i層的最大相似距離di＝c*ri，采用相同凝聚層次聚類算法算法對上一層的結果hi-1進行聚類，結果為hi；Step5：重復step4直到得到所有層的聚類結果。B2)在地圖上根據不同的縮放級別對基站進行可視化，包括如下操作：B21)采用聚類中包含的所有基站的坐標平均值作為該基站聚類的坐標，計算該聚類所包含的基站數量，在基站圖標上顯示出具體數值。B22)根據所選時段中，該基站聚類(聚本文檔來自技高網...

【技術保護點】
一種針對手機基站定位數據的可視分析系統，其特征在于：包括數據預處理模塊和可視化模塊；所述數據預處理模塊，對手機定位基站定位得到的數據集進行數據清洗和數據統計，得到預處理后的數據集；所述數據集包括手機定位數據集和基站信息數據集，手機定位數據集包括手機用戶的唯一標識、信令產生的時間、以及用戶所在基站的編號；基站信息數據集包括基站編號和基站所在地點經緯度；所述可視化模塊，對數據預處理模塊處理后的數據集分別進行基站可視化處理、基站間人群流向可視化處理、基于基站的人群流動模式可視化處理和基于時間步的人群流動模式可視化處理；基站可視化處理采用基于地圖分別率的層次聚類算法對基站進行聚類，得到聚類結果；根據聚類結果，在地圖上根據不同的縮放級別對基站進行可視化；基站間人群流向可視化處理繪制流向圖，對不同時刻人群的流動方向及流量大小進行可視化；基于基站的人群流動模式可視化處理計算各個基站聚類每個時間步的凈流入人數，通過繪制南丁格爾玫瑰圖，對每個基站聚類一天中各個時間段的人數變化情況進行可視化；基于時間步的人群流動模式可視化處理根據每個時間步對應的基站聚類間人群流量大小，對時間步進行聚類，得到人群流動模式相似的時間步被聚為一類，并用圖進行可視化，能夠幫助分析不同時間步之間的關系。...

【技術特征摘要】
1.一種針對手機基站定位數據的可視分析系統，其特征在于：包括數據預處理模塊和可視化模塊；所述數據預處理模塊，對手機定位基站定位得到的數據集進行數據清洗和數據統計，得到預處理后的數據集；所述數據集包括手機定位數據集和基站信息數據集，手機定位數據集包括手機用戶的唯一標識、信令產生的時間、以及用戶所在基站的編號；基站信息數據集包括基站編號和基站所在地點經緯度；所述可視化模塊，對數據預處理模塊處理后的數據集分別進行基站可視化處理、基站間人群流向可視化處理、基于基站的人群流動模式可視化處理和基于時間步的人群流動模式可視化處理；基站可視化處理采用基于地圖分別率的層次聚類算法對基站進行聚類，得到聚類結果；根據聚類結果，在地圖上根據不同的縮放級別對基站進行可視化；基站間人群流向可視化處理繪制流向圖，對不同時刻人群的流動方向及流量大小進行可視化；基于基站的人群流動模式可視化處理計算各個基站聚類每個時間步的凈流入人數，通過繪制南丁格爾玫瑰圖，對每個基站聚類一天中各個時間段的人數變化情況進行可視化；基于時間步的人群流動模式可視化處理根據每個時間步對應的基站聚類間人群流量大小，對時間步進行聚類，得到人群流動模式相似的時間步被聚為一類，并用圖進行可視化，能夠幫助分析不同時間步之間的關系。2.根據權利要求1所述的針對手機基站定位數據的可視分析系統，其特征在于：所述數據預處理模塊中，數據清洗步驟如下：(1)針對基站信息數據集，將基站地點經緯度缺失的數據清除；針對手機定位數據集，消除手機用戶時間信息的數據中出現的乒乓效應，所述乒乓效應在數據表中的表現就是同一個用戶在10分鐘之內，反復在兩個或多個基站間頻繁切換的現象；最后得到預處理后的數據集；(2)得到預處理后的數據集，根據后續可視化的需要，進行統計處理，統計處理過程為：選擇一個固定的時間步，計算每個時間步中各個基站的人數：BN＝{bn1,bn2,…,bnm}，時間步個數為n，基站個數為m；然后計算每個時間步中，各個基站的人群流動情況，即每個基站到其他基站的流出人數，基站i到基站j的流出人數表示為BFi,j。3.根據權利要求1所述的針對手機基站定位數據的可視分析系統，其特征在于：所述可視化模塊中，基站可視化處理具體包括以下步驟：(1)根據不同的地圖分辨率R＝{r1,r2,…,rn}，設置不同的地圖縮放級別L＝{l1,l2,…,ln}，展示不同分別率的地圖，設計一種基于地圖分別率的層次聚類算法，對基站進行聚類，所述聚類算法描述如下：step1：有m個基站，設B＝{b1,b2,…,bm}為所有基站的集合，設置n個地圖縮放級別，以下簡稱為n層，每層對應的分辨率R＝{r1,r2,…,rn}，設置一個常量c，每層的聚類間最小距離di＝c*ri，即距離超過di的基站將不聚為一類，設每層的聚類結果為H＝{h1,h2,…,hn}，hi是在第i層的聚類結果，初始化H為空集；Step2：計算第1層的最大相似距離d1＝c*r1，采用凝聚層次聚類算法對B進行聚類。對初始的基站集合B中m個基站作為m個簇，將距離小于d1的最近的兩個簇聚為一類，然后更新集合B，此時集合內簇的個數為m-1；對更新的集合B中繼續將距離小于d1的最近的兩個簇聚為一類，再更新集合B，此時集合內簇的個數為m-2；重復上述步驟，直至所有簇間距離均大于d1，最終聚類結果為h1；Step3：計算第2層的最大相似距離d2＝c*r2，采用相同凝聚層次聚類算法對上一層的結果h1進行聚類，結果為h2；Step4：計算第i層的最大相似距離di＝c*ri，采用相同凝聚層次聚類算法對上一層的結果hi-1進行聚類，結果為hi；Step5：重復step4直到得到所有層的聚類結果；(2)根據聚類結果，在地圖上根據不同的縮放級別對基站進行可視化，包括如下操作：(21)采用聚類中包含的所有基站的坐標平均值作為該基站聚類的坐標，計算該聚類所包含的基站數量，在基站圖標上顯示出具體數值；(22)根據所選時段中，該基站聚類的流入人數多于流出人數，或流出人數多于流入人數，采用不同顏色進行區分；(23)采用多視圖協同的可視化方法，對于某個基站聚類，繪制折線圖表示基站聚類流入、流出及當前時刻總人數隨時間的變化。4.根據權利要求1所述的針對手機基站定位數據的...

【專利技術屬性】
技術研發人員：李海生，宋璇，黃媛潔，蔡強，李楠，
申請(專利權)人：北京工商大學，
類型：發明
國別省市：北京,11