1.一种基于出租车下客点的区域出入口动态提取方法,其特征在于,包括如下步骤:获取兴趣点数据;
采用聚类算法将所述兴趣点数据进行聚类,确定多个感兴趣区域;
针对每个感兴趣区域,采集所述感兴趣区域的出租车下客点数据,并根据所述出租车下客点数据确定所述感兴趣区域的出入口位置;
所述采集所述感兴趣区域的出租车下客点数据,并根据所述出租车下客点数据确定所述感兴趣区域的出入口位置,具体包括:确定感兴趣区域的周边道路缓冲区,并采集所述周边道路缓冲区中的出租车下客点数据;
采用二分K均值聚类算法对所述出租车下客点数据进行聚类,得到多个出租车下客点聚类区域;
获取所述感兴趣区域的区域中心位置信息和各个所述出租车下客点聚类区域的聚类中心位置信息,计算所述感兴趣区域对应的各个所述出租车下客点聚类区域的反距离数量权重,其中,所述位置信息为经纬度信息;
对各个所述出租车下客点聚类区域的反距离数量权重进行求和,得到所述感兴趣区域的出入口方向向量;
将所述感兴趣区域的出入口方向向量延伸至与所述感兴趣区域的边界相交于一交点,该交点即为所述感兴趣区域的出入口位置;
其中,所述反距离数量权重的计算公式如下:
上式中,IDQWl为感兴趣区域的第l个出租车下客点聚类区域的反距离数量权重,Ql为感兴趣区域的第l个出租车下客点聚类区域中的出租车下客点记录个数,Dl为感兴趣区域的区域中心与其第l个出租车下客点聚类区域的聚类中心的距离,L为感兴趣区域对应的出租车下客点聚类区域的个数,p为反距离幂参数;
所述对各个所述出租车下客点聚类区域的反距离数量权重进行求和,得到所述感兴趣区域的出入口方向向量,包括:以感兴趣区域的区域中心为起点,以各个所述出租车下客点聚类区域的聚类中心为终点,计算各个所述出租车下客点聚类区域的方向;
根据计算得到的各个所述出租车下客点聚类区域的方向对各个所述出租车下客点聚类区域的反距离数量权重按如下公式求和得到所述感兴趣区域的出入口方向向量;
其中,Direction表示感兴趣区域的出入口方向向量,cdplx为感兴趣区域的第l个出租车下客点聚类区域的聚类中心的经度数值,cdply为感兴趣区域的第l个出租车下客点聚类区域的聚类中心的纬度数值,poicx为感兴趣区域的区域中心的经度数值,poicy为感兴趣区域的区域中心的纬度数值,IDQWl为感兴趣区域的第l个出租车下客点聚类区域的反距离数量权重,L为感兴趣区域对应的出租车下客点聚类区域的个数。
2.根据权利要求1所述的区域出入口动态提取方法,其特征在于,所述采用聚类算法将所述兴趣点数据进行聚类,包括:采用二分K均值聚类算法将所述兴趣点数据按照位置信息进行一次聚类;
采用文本聚类算法将所述兴趣点数据按照名称信息进行二次聚类;
根据所述一次聚类的结果和所述二次聚类的结果确定多个聚类区域,所述聚类区域即为感兴趣区域。
3.根据权利要求2所述的区域出入口动态提取方法,其特征在于,所述根据所述一次聚类的结果和所述二次聚类的结果确定多个聚类区域,包括:根据一次聚类的结果确定每个兴趣点记录所属的聚类区域,构建一次聚类序列,所述一次聚类序列中的变量元素代表各个兴趣点记录对应的一次聚类区域类别;
根据二次聚类的结果确定每个兴趣点记录所属的聚类区域,构建二次聚类序列,所述二次聚类序列中的变量元素代表各个兴趣点记录对应的二次聚类区域类别;
将所述一次聚类序列和所述二次聚类序列分为主序列和次序列,将所述主序列中的各变量元素进行排序,使所述主序列中聚类区域类别相同的兴趣点记录靠在一起;
将经过排序的主序列中的各变量元素乘以所述次序列中对应兴趣点记录的变量元素,得到中间序列;
将所述中间序列中的各变量元素依次两两比较,并根据比较结果生成最终序列,所述最终序列中的每个变量元素即为对应的兴趣点记录所属的区域类别。