本發(fā)明公布了一種基于復(fù)雜網(wǎng)絡(luò)的城市區(qū)域特征分析方法，包括城市柵格劃分、建立柵格網(wǎng)絡(luò)、柵格聚類步驟。本發(fā)明通過計算柵格之間的相關(guān)性得到的柵格網(wǎng)絡(luò)，再利用Louvain算法進行聚類得到新的城市聚類區(qū)域。本發(fā)明可以發(fā)現(xiàn)城市區(qū)域之間隱含的復(fù)雜關(guān)系，同時對規(guī)劃城市區(qū)域、了解區(qū)域活躍模式以及認(rèn)識城市區(qū)域功能提供了新的思路。

技術(shù)領(lǐng)域

本發(fā)明涉及一種城市區(qū)域特征分析方法，尤其涉及一種基于復(fù)雜網(wǎng)絡(luò)的城市區(qū)域特征分析方法，屬于城市區(qū)域聚類技術(shù)領(lǐng)域。

背景技術(shù)

城市區(qū)域與人類的生活息息相關(guān)，城市區(qū)域是人類賴以生活的載體。隨著工業(yè)化進程和城市化進程不斷的加快，城市區(qū)域之間的關(guān)系也在發(fā)生著變化，形成了相互協(xié)調(diào)、相互制約的局面。

城市區(qū)域關(guān)系可以利用城市區(qū)域的相關(guān)數(shù)據(jù)進行分析。滴滴是中國最大的打車服務(wù)公司，也是世界上最大的按需打車服務(wù)平臺之一。隨著創(chuàng)新運輸服務(wù)的增加，滴滴打車服務(wù)與傳統(tǒng)的出租車服務(wù)相比更具競爭力，以往的研究發(fā)現(xiàn)，打車服務(wù)的出行比例占中國所有出行方式的5.5％，比傳統(tǒng)的出行方式高1.7％。滴滴打車服務(wù)占乘車旅行總數(shù)的85.7％，其他服務(wù)占剩余的14.3％，因此，滴滴打車可以作為實際出行的代表，滴滴出行數(shù)據(jù)可用于城市地區(qū)分類研究。這成為城市區(qū)域分析的新的數(shù)據(jù)來源。

因此，需要研究利用滴滴出行數(shù)據(jù)構(gòu)建城市區(qū)域聯(lián)系網(wǎng)絡(luò)，進而分析城市區(qū)域特征的方法。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于復(fù)雜網(wǎng)絡(luò)的城市區(qū)域特征分析方法。

為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是：一種基于復(fù)雜網(wǎng)絡(luò)的城市區(qū)域特征分析方法，包括以下步驟：

步驟1：建立柵格網(wǎng)絡(luò)：按照經(jīng)度和緯度將城市區(qū)域劃分為一個以上柵格；以柵格為節(jié)點，邊用于連接不同的柵格，建立無向圖作為柵格網(wǎng)絡(luò)；

步驟2：計算柵格網(wǎng)絡(luò)中邊的權(quán)重：邊的權(quán)重為其連接的兩個柵格的相關(guān)性；所述相關(guān)性計算可以根據(jù)區(qū)域行為、區(qū)域活躍模式或區(qū)域功能指標(biāo)計算；

步驟3：柵格聚類：對柵格網(wǎng)絡(luò)進行聚類；

步驟4：判斷是否需要下一級劃分，如果是轉(zhuǎn)向步驟5，否則結(jié)束；

步驟5：選擇所述步驟3聚類結(jié)果中的一類作為下一級劃分區(qū)域，將其劃分為1個以上柵格，以柵格為節(jié)點，建立無向圖；轉(zhuǎn)向步驟2。

進一步所述步驟3利用Louvain算法對柵格網(wǎng)絡(luò)進行聚類。

更進一步，所述步驟2中根據(jù)區(qū)域行為指標(biāo)計算相關(guān)性的計算方法為：

步驟2-1：采集數(shù)據(jù)：所述數(shù)據(jù)包括匿名ID、上車經(jīng)度、上車緯度、下車經(jīng)度、下車緯度、訂單發(fā)起時間、訂單結(jié)束時間；

步驟2-2：柵格屬性計算：根據(jù)所述數(shù)據(jù)和所述步驟1劃分的柵格，確定各條數(shù)據(jù)的起始柵格和終止柵格，并計算柵格i和柵格j之間的區(qū)域行為相關(guān)性ABI：

其中，C_c(i,j)為柵格i和柵格j之間的緊密相關(guān)性，C_t(i,j)為柵格i和柵格j之間的皮爾森相關(guān)性；

柵格i和柵格j之間的緊密相關(guān)性的計算方法為：

其中，1≤k≤n_i,f_ij為從柵格i出發(fā)到柵格j的頻次；max(f_ik)取f_ik的最大值；1≤k≤n_i，t_ij為從柵格i出發(fā)到柵格j花費的時間代價，所述時間代價為百度地圖爬取的柵格i中心點到柵格j中心點路程消耗時間；n_i為柵格i出發(fā)到達的柵格總數(shù)；