基于多源出行数据的居民行为模式分析方法
来源：计算机应用杂志2017年第8期北京时间：
作者：徐晓伟, 杜一, 周园春
单位：1. 中国科学院计算机网络信息中心 大数据技术与应用发展部, 北京 100190;2. 中国科学院大学, 北京 100049
摘要：基于对智能交通卡数据的挖掘与分析能够为城市交通建设和城市管理提供有力支持，但现有研究数据大都仅包含公交或地铁这两方面数据，且主要关注群体性宏观出行规律。针对这一问题，以某城市交通卡数据为例，该数据包含着城市居民日常出行公交、地铁、出租车等多源数据，首先提出行程链的概念对居民出行行为建模，在此基础上给出不同维度的周期性出行特征；然后提出一种基于最长公共子序列的空间周期性特征提取方法，并对城市居民出行规律进行聚类分析；最后通过规则定义5个评价指标对该方法的有效性进行初步验证。结果表明引入该方法的聚类算法对聚类结果有6.8%的效果提升，有利于发现居民的行为模式。
关键词：智能交通卡,多源数据,序列匹配,聚类分析,时空数据挖掘
基金资助：国家重点研发计划项目（2016YFB0501900，2016YFB1000600）；国家自然科学基金资助项目（61402435）。
