共计 2330 个字符，预计需要花费 6 分钟才能阅读完成。
本文亮点
随着智能手机和信息通信技术的一直倒退和遍及，大规模的轨迹数据存储曾经比拟广泛，成为开掘用户行为模式的重要起源，工作地和居住地是用户行为模式的重要体现，能够用于辅助智能城市的建设，比方优化通勤路线、产业布局、剖析人口流动状况等等，从而缩小交通拥堵、进步市民生存便利性和满意度等。然而现有的工作地居住地计算方法存在不同水平的问题，本文提出一种改良计划。
01
现有办法
目前的工作地居住地定位办法次要有两种，一是基于规定，一是基于模型;
基于规定的办法是通过业务教训设计逻辑，依据设定的统计指标抉择工作地居住地。
比方基于汽车的数据会基于用户每天的起始点和起点，来统计频次、时长等指标，抉择排名最高的作为工作地居住地;
基于基站的数据会统计用户连贯每个基站的工夫，抉择工作工夫连接时间最长且月度工作日连贯次数 / 休息日连贯次数最高的作为工作地;
基于模型的办法是通过聚类 + 有监督模型来定位工作地居住地，通过聚类来剔除噪声点，而后通过规定来生成特色，通过人工对工作地居住地进行标注，最初通过有监督模型来预测工作地和居住地。
02
现有办法局限性
基于规定的办法局限性比拟大，不同行业都有本人的规定和特定构造的数据，不够通用；且难以穷尽所有规定，对于异常情况的适应性不够好，简单且不够准确；
基于模型的办法须要进行人工标注，老本较高且整个计算流程比较复杂；准确率对特色的代表性和样本笼罩的广度依赖较大；
现有办法计算出的工作地居住地常常不合乎业务逻辑，如失常的工作地应该大部分散布在写字楼、工业园区等 poi，少部分散布在餐厅、商场等其余各种类型的 poi；失常的居住地应该大部分散布在小区、别墅、公寓等 poi，少部分散布在其余各种类型的 poi；然而现有办法计算的后果受数据源影响较大，并不能保障这一点，导致可能大量的工作地呈现在小区里，大量的居住地呈现在写字楼或商场里等状况，导致业务不可用。
本文提出了一种更通用的计算方法，升高整个流程的复杂性并进步准确性；设计一种更贴近业务的计算方法，进步工作地居住地的可用性。
03
背景常识介绍
1、DBSCAN 聚类简介：
首先设定一个阈值 a，对于样本集中的每个点，以这个点为圆心，a 为半径划一个圆，被蕴含在这个圆中的点的个数记为 b（包含圆心）；
而后再设定一个阈值 c，如果 b >=c，则把这个圆心叫做外围对象；
如果一个外围对象 A 被蕴含在另一个外围对象 B 的圆中，外围对象 B 被蕴含在另一个外围对象 C 的圆中，则称 A 到 C 是密度可达的；
如果外围对象 X 到外围对象 Y 密度可达，外围对象 Z 也密度可达，则 Y 和 Z 密度相连，找到最大的密度相连的样本汇合，就是聚类的一个簇，如下图所示：
其长处在于：
能够对任意形态的浓密数据集进行聚类，实用于地理位置数据；绝对的，K-Means 之类的聚类算法个别只实用于凸数据集；
能够在聚类的同时发现异常点，对数据集中的异样点不敏感；
聚类后果没有偏倚，绝对的，K-Means 之类的聚类算法，初始值对聚类后果有很大影响。
2、加权几何平均数：
3、经纬度求中心点
Lat_i = lat_i * pi/180，i= 1,2,…,n
Lon_i = lon_i * pi/180，i= 1,2,…,n
xi = cos(Lat_i) * cos(Lon_i)，i= 1,2,…,n
yi = cos(Lat_i) * sin(Lon_i)，i= 1,2,…,n
zi = sin(Lat_i)，i= 1,2,…,n
x = (x1 + x2 + … + xn) / n
y = (y1 + y2 + … + yn) / n
z = (z1 + z2 + … + zn) / n
Lon = atan2(y, x)
Hyp = sqrt(x x + y y)
Lat = atan2(z, hyp)
lon_center = Lon * 180/pi
lat_center = Lat * 180/pi
04
具体方法
- 对用户近 X 个月的轨迹数据做预处理，荡涤掉其中的异样数据和节假日数据（大小长假，但不包含周末）；
- 划分工作工夫和休息时间；
- 爬取 poi 数据数据，并对 poi 数据进行荡涤；
- 判断用户的轨迹数据是否落在某类 poi 中：
有 poi 边界的间接应用 poi 边界判断；
没有 poi 边界的，应用 poi 点经纬度所在 geohash8 及四周一圈 geohash8 判断（九宫格）；
地铁站以各进口经纬度点为中心点，生成边长 100m 的正方形，即 poi 点的经纬度加减 0.0005 做判断；
- 依据计算工作地还是计算居住地，给落在不同类别 poi 中的点以不同的权重；
比方计算工作地时，如果点落在写字楼中，给一个较高的权重；
- 对于落入不同的时间段的轨迹点，同样给不同的权重；
比方计算工作地时，工作工夫会给一个比拟高的权重；
- 依据 5、6 点中给出的权重，别离对每个用户的工作工夫和寓居工夫轨迹数据进行加权 DBSCAN 聚类，并调优参数；
8. 计算每个簇内的工作 / 休息时间点数、工作 / 休息时间天数，
计算每个用户的工作 / 休息时间总点数，
计算用户的每个簇内工作 / 休息时间点数，占该用户工作 / 休息时间总点数比例，
计算用户的每个簇内工作 / 休息时间天数，占该用户工作 / 休息时间总天数比例，
对总点数的比例和总天数的比例计算加权几何平均数，失去每个簇的得分，工作工夫得分第一的簇为工作地，休息时间得分第一的簇为居住地；
举例：第一个例子最终抉择的 B 类，第二个例子是 C 类
- 对工作地簇和居住地簇依据公式别离计算其天文中心点，失去工作地居住地的最终地位；
- 依据工作地居住地簇中的沉闷天数和点数，给出相应的工作地居住地置信度，沉闷天数越多，置信度越高，点数越多，置信度越高；
- 因为即便采纳了上述加权聚类的办法，也不能保障后果完全符合业务逻辑，所以给出工作地 / 居住地肯定范畴内各类 poi 的类型及与工作地 / 居住地的间隔，以便于业务方本人依据间隔来对工作地 / 居住地进行筛选。