一种基于时间变化的用户出行和特征的可视化方法研究.docVIP

一种基于时间变化的用户出行和特征的可视化方法研究 　　摘要： 移动智能终端能方便地通过GPS获取大量的用户位置数据，从而清楚地知道用户的位置轨迹和关键地点。为了有效发现移动用户的行为特征，通过采用POI分类原则对用户位置建立兴趣点语义，并使用了基于时间变化的移动用户兴趣关联模型的挖掘算法，得到了具有不同出行特征的人群，从而提出了基于走势图和桑基图的可视化展现和分析方案。最后，根据分析研究，实现了对移动用户出行和特征的可视化方法研究，并通过实际案例验证了可行性。 　　关键词：时间变化；关联分析；可视化；行为特征 　　中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2016）33-0012-04 　　如今，随着移动智能终端的普及，越来越多的移动设备都具备GPS功能，用户使用一些电子地图时，比如百度地图、高德地图等，会收集用户活动位置的GPS数据，对这些数据的分析能帮助软件商更加了解用户的行为特征，有助于在以后的软件功能升级中加入对用户使用软件习惯的决策考虑，提高软件的用户体验度。数据的关联规则挖掘来自大事务数据集之间的关联和统计的发现，主要考虑支持度和置信度。对于手机用户，由于可以无缝上网的特殊性，随着时间的推移，出行位置变化会呈现一定的规律性，关注在最近用户出行位置的情况能更有效反应用户的出行爱好。通过对分析的数据进行可视化的展示能更加直观展示隐藏的信息。 　　1相关工作 　　1.1数据处理 　　当用户使用电子地图app软件时，它能收集用户活动位置的GPS数据，并通过移动互联网将代表用户位置的经纬度数据传输到服务器，通过对这些数据的分析对于了解用户的行为趋势具有至关重要的作用。为了有效获取用户的地理位置数据，采用了数据统计技术，在统计的基础上对数据进行清理、集成、存储和转换，并根据POI分类原则对位置建立兴趣点语义，从而对得到的结果进行聚类分析，采用K-means聚类算法，是一种数据点到目标点距离作为最优的分类算法，通过聚类能得到位置语义兴趣相似的类[1]，对相似的类采用FP-Growth算法进行兴趣点关联分析[2]。 　　1.2数据可视化 　　数据可视化是利用各种可视化技术，将数据展示出来，帮助用户更好的理解和分析数据[3]。本文采用基于走势图和桑基图的可视化展示方案，走势图是一种紧凑简洁的数据趋势表达方式，建立在折线图的基础上，使用高度密集的线段来表示数据随时间的变化趋势，但因为大小的限制，不容易表达太多详细信息。为了解决这问题，提出了结合网络图特征的走势图，能达到更好的可视化效果。桑基图是一种能量分流图，特征是开始和结尾的总体宽度相等，最重要的是能很好展示出不同时间段数据间的脉络关系。 　　2基于时间的用户出行数据关联分析 　　本文课题研究是基于移动终端出行数据的用户特征可视化，试着发现用户日常行为中相似的行为特征，更好地了解移动用户的行为习惯。根据这一需求，确定了本文研究整体流程，如图1所示，主要分为4个步骤：1）获取研究需要的移动出行数据；2）根据需求对数据进行筛选，整理出有效的数据；3）对整理好的数据建立可视化模型，根据模型选择合适的可视化方法，进行可视化映射；4）根据展现的结果，结合出行的需求和实际情况分析反馈，获得满足要求的可视化结果。 　　2.1问题分析 　　移动设备上能方便获取用户的出行位置信息，通过对移动用户位置数据运用数据挖掘技术，得到移动用户出行爱好的特点，系统中需要统计用户出行的情况，重点在于时序变化、人群比较、出行规律： 　　a） 移动用户出行位置的随机性。移动用户的出行位置点具有连续性，一天时间内每个不同的位置点变化都是相互关联的，但是用户出现的位置点受客观的影响是不确定的。 　　b） 移动用户出行位置的规律性。在大部分情况下，移动用户的访问都是有规律的，如家公司家这样的出行组合；像周末、节假日会出现不同的访问情况，如家其它（去医院、出差等）家这样的出行组合，并不能说这些特殊的情况没有研究价值，它可能在很长一段时间重复的出现。 　　2.2影响移动用户出行的因素 　　一些特殊时间、事件会影响移动用户的出行，如遇到节假日和周末会对出行产生一些变化，因为周末和节假日用户在工作单位出现的几率会明显降低，而在其它地点如健身场馆、商场等出现的几率会升高。对于出行会产生很大的影响还有两个因素：用户的年龄、性别。由于用户年龄和性别的差异，如身份因素学生、白领、退休职工等不同而选择相异的出行。 　　2.3用户出行规律和平均使用手机时长的关系 　　用户使用手机时间的长短会因为出行位置地点的不同而发生相应的变化，这种变化也具有一定的规律性，如在工作单位的时候使用手机的时长可能会比较短，下班后晚间在居住的地点使用手机的时间会相对增加；在上下班往返于居住和工作环境