申请/专利权人：东南大学

申请日：2024-01-05

公开（公告）日：2024-04-09

公开（公告）号：CN117851809A

主分类号：G06F18/213

分类号：G06F18/213;H04W4/20;G06F18/2415;G06F18/2433;G06F18/23213;G06N3/0464;G06N3/045;G06N3/047;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于手机信令历史数据强化学习的特征提取方法，首先根据最近一段时间内的手机信令历史数据，构建历史数据库；然后进行二重手机信令数据强化学习，第一重强化学习为数据特征学习，输出具有高可信度的用户完整出行序列数据；第二重强化学习为出行行为学习，输出三种运动状态的运动状态模糊权重，并构造模糊出行隶属集；接着，提出基于模糊出行隶属度的三支高斯混合聚类算法，对用户完整出行序列数据进行聚类划分；提出双动态POI相似映射算法，通过结合土地信息对算法参数进行动态调整，确定用户精确出行起讫点及完整出行链。本发明方法提升了用户手机信令数据利用率，有效地解决了用户出行分析与数据统计精确度的问题。

主权项：1.一种基于手机信令历史数据强化学习的特征提取方法，其特征在于，包括如下步骤：S10、根据最近一段时间内的手机信令历史数据，构建历史数据库，用于二重手机信令数据强化学习；S20、第一重强化学习，数据特征学习：构造多通道卷积贝叶斯学习算法，学习手机信令历史数据的信号强度、时间长度以及坐标信息特征，对用户初始手机信令数据中存在的漂移数据与乒乓数据进行剔除，并对缺失数据点进行补全，输出具有高可信度的用户完整出行序列数据；S30、第二重强化学习，出行行为学习：定义出行重合度的计算，对与用户完整出行序列数据具有较高出行重合度的历史数据进行学习，将数据分解为出行、静止以及小范围活动三种运动状态，输出三种运动状态的运动状态模糊权重，并构造模糊出行隶属集；S40、结合模糊出行隶属集，提出基于模糊出行隶属度的三支高斯混合聚类算法，对用户完整出行序列数据进行聚类划分，提取出行集以及包含静止集、边缘运动集两个子集的停留点点集，并计算出各停留点点集的覆盖域；S50、借助地图平台API接口，读取停留点点集覆盖范围内土地利用信息，提出双动态POI相似映射算法，通过结合土地信息对算法参数进行动态调整，对停留点点集进行地理信息映射与POI匹配，输出用户的精确起讫点与完整出行链；S60、对所有用户数据进行读取与处理，按时间划分输出同一天内各交通小区间的出行OD矩阵，以及用户出行模式与规律的统计结果，并将用户数据结果反馈回S10所述历史数据库，进行参数更新。

全文数据：

权利要求：

百度查询： 东南大学 一种基于手机信令历史数据强化学习的特征提取方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD