基于基站定位数据的商圈分析.doc

PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 9 1 背景与挖掘目标 随着当今个人手机终端的普及、出行人群中手机拥有率和使用率已达到相当高的比例，根据手机信号在真实地理空间的覆盖情况，将手机用户时间序列的手机定位数据，映射至现实地理位置空间位置，即可完整、客观地还原出手机用户的现实活动轨迹，从而挖掘出人口空间分布与活动联系特征信息。 商圈是现代市场中企业市场活动的空间，同时也是商品和服务享用者的区域。商圈划分为目的之一是研究潜在顾客分布，以制定适宜的商业对策。 2 建模过程与求解 整个任务的完成主要包括以下步骤： 从移动通信运营商提供的特定接口上解析、处理、并滤除用户属性后得到用户定位数据。 以单个用户为例，进行数据探索分析，研究不同基站的停留时间，并进一步地进行预处理，包括数据规约和数据变换。 利用步骤2）形成的已完成数据预处理的建模数据，基于基站覆盖范围区域的人流特征进行商圈聚类，对各个商圈分群进行特征分析，选择合适的区域进行运营商的促销活动。 2.1 数据抽取 从移动通信运营商提供的特定接口上解析、处理、并滤除用户属性后得到位置数据，以2014-1-1为开始时间，2014-6-30为结束时间作为分析的观测窗口，抽取观测窗口内某区域的定位数据形成建模数据。 2.2 数据预处理 2.2.1 数据规约 原始数据的属性较多，但网络类型、LOC编号和信号类型这三个属性对于挖掘目标没有用处，故剔除这三个属性，而衡量用户的停留时间，并不需要精确到毫秒级，故可毫秒这一属性删除。 2.2.2 数据变换 由于各个属性之间的差异较大，为了消除数量级数据带来的影响，再进行聚类之前，需要进行离差标准化处理，离差标准化处理的python代码如下： #-*- coding: utf-8 -*- #数据标准化到[0,1] import pandas as pd #参数初始化 filename = ../data/business_circle.xls #原始数据文件 standardizedfile = ../tmp/standardized.xls #标准化后数据保存路径 data = pd.read_excel(filename, index_col = u基站编号) #读取数据 data = (data - data.min())/(data.max() - data.min()) #离差标准化 data = data.reset_index() data.to_excel(standardizedfile, index = False) #保存结果 2.3 模型构建 2.3.1构建商圈聚类模型 数据经过预处理之后，形成建模数据，采用层次聚类算法对建模数据进行基于基站数据的商圈数据，画出谱系聚类图，python代码如下： #-*- coding: utf-8 -*- #谱系聚类图 import pandas as pd #参数初始化 standardizedfile = ../data/standardized.xls #标准化后的数据文件 data = pd.read_excel(standardizedfile, index_col = u基站编号) #读取数据 import matplotlib.pyplot as plt from scipy.cluster.hierarchy import linkage,dendrogram #这里使用scipy的层次聚类函数 Z = linkage(data, method = ward, metric = euclidean) #谱系聚类图 P = dendrogram(Z, 0) #画谱系聚类图 plt.show() 可得到谱系聚类图： 从上图可看出，可以把聚类类别数取3类，python代码中去聚类类别数k=3，输出结果typeindex为每个样本对应的类别号，层次聚类算法见下： #-*- coding: utf-8 -*- #层次聚类算法 import pandas as pd #参数初始化 standardizedfile = ../data/standardized.xls #标准化后的数据文件 k = 3 #聚类数 data = pd.read_excel(standardizedfile, index_col = u基站编号) #读取数据 from sklearn.cluster import AgglomerativeClustering #导入sklearn的层次聚类函数 model = AgglomerativeClustering(n_clusters = k, linkage = ward) model.fit(data