夏東

摘要： 移動(dòng)智能終端能方便地通過(guò)GPS獲取大量的用戶位置數(shù)據(jù)，從而清楚地知道用戶的位置軌跡和關(guān)鍵地點(diǎn)。為了有效發(fā)現(xiàn)移動(dòng)用戶的行為特征，通過(guò)采用POI分類原則對(duì)用戶位置建立興趣點(diǎn)語(yǔ)義，并使用了基于時(shí)間變化的移動(dòng)用戶興趣關(guān)聯(lián)模型的挖掘算法，得到了具有不同出行特征的人群，從而提出了基于走勢(shì)圖和?；鶊D的可視化展現(xiàn)和分析方案。最后，根據(jù)分析研究，實(shí)現(xiàn)了對(duì)移動(dòng)用戶出行和特征的可視化方法研究，并通過(guò)實(shí)際案例驗(yàn)證了可行性。

關(guān)鍵詞：時(shí)間變化；關(guān)聯(lián)分析；可視化；行為特征

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）33-0012-04

如今，隨著移動(dòng)智能終端的普及，越來(lái)越多的移動(dòng)設(shè)備都具備GPS功能，用戶使用一些電子地圖時(shí)，比如百度地圖、高德地圖等，會(huì)收集用戶活動(dòng)位置的GPS數(shù)據(jù)，對(duì)這些數(shù)據(jù)的分析能幫助軟件商更加了解用戶的行為特征，有助于在以后的軟件功能升級(jí)中加入對(duì)用戶使用軟件習(xí)慣的決策考慮，提高軟件的用戶體驗(yàn)度。數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘來(lái)自大事務(wù)數(shù)據(jù)集之間的關(guān)聯(lián)和統(tǒng)計(jì)的發(fā)現(xiàn)，主要考慮支持度和置信度。對(duì)于手機(jī)用戶，由于可以無(wú)縫上網(wǎng)的特殊性，隨著時(shí)間的推移，出行位置變化會(huì)呈現(xiàn)一定的規(guī)律性，關(guān)注在最近用戶出行位置的情況能更有效反應(yīng)用戶的出行愛(ài)好。通過(guò)對(duì)分析的數(shù)據(jù)進(jìn)行可視化的展示能更加直觀展示隱藏的信息。

1相關(guān)工作

1.1數(shù)據(jù)處理

當(dāng)用戶使用電子地圖app軟件時(shí)，它能收集用戶活動(dòng)位置的GPS數(shù)據(jù)，并通過(guò)移動(dòng)互聯(lián)網(wǎng)將代表用戶位置的經(jīng)緯度數(shù)據(jù)傳輸?shù)椒?wù)器，通過(guò)對(duì)這些數(shù)據(jù)的分析對(duì)于了解用戶的行為趨勢(shì)具有至關(guān)重要的作用。為了有效獲取用戶的地理位置數(shù)據(jù)，采用了數(shù)據(jù)統(tǒng)計(jì)技術(shù)，在統(tǒng)計(jì)的基礎(chǔ)上對(duì)數(shù)據(jù)進(jìn)行清理、集成、存儲(chǔ)和轉(zhuǎn)換，并根據(jù)POI分類原則對(duì)位置建立興趣點(diǎn)語(yǔ)義，從而對(duì)得到的結(jié)果進(jìn)行聚類分析，采用K-means聚類算法，是一種數(shù)據(jù)點(diǎn)到目標(biāo)點(diǎn)距離作為最優(yōu)的分類算法，通過(guò)聚類能得到位置語(yǔ)義興趣相似的類[1]，對(duì)相似的類采用FP-Growth算法進(jìn)行興趣點(diǎn)關(guān)聯(lián)分析[2]。

1.2數(shù)據(jù)可視化

數(shù)據(jù)可視化是利用各種可視化技術(shù)，將數(shù)據(jù)展示出來(lái)，幫助用戶更好的理解和分析數(shù)據(jù)[3]。本文采用基于走勢(shì)圖和?；鶊D的可視化展示方案，走勢(shì)圖是一種緊湊簡(jiǎn)潔的數(shù)據(jù)趨勢(shì)表達(dá)方式，建立在折線圖的基礎(chǔ)上，使用高度密集的線段來(lái)表示數(shù)據(jù)隨時(shí)間的變化趨勢(shì)，但因?yàn)榇笮〉南拗?，不容易表達(dá)太多詳細(xì)信息。為了解決這問(wèn)題，提出了結(jié)合網(wǎng)絡(luò)圖特征的走勢(shì)圖，能達(dá)到更好的可視化效果。桑基圖是一種能量分流圖，特征是開(kāi)始和結(jié)尾的總體寬度相等，最重要的是能很好展示出不同時(shí)間段數(shù)據(jù)間的脈絡(luò)關(guān)系。

2基于時(shí)間的用戶出行數(shù)據(jù)關(guān)聯(lián)分析

本文課題研究是基于移動(dòng)終端出行數(shù)據(jù)的用戶特征可視化，試著發(fā)現(xiàn)用戶日常行為中相似的行為特征，更好地了解移動(dòng)用戶的行為習(xí)慣。根據(jù)這一需求，確定了本文研究整體流程，如圖1所示，主要分為4個(gè)步驟：1）獲取研究需要的移動(dòng)出行數(shù)據(jù)；2）根據(jù)需求對(duì)數(shù)據(jù)進(jìn)行篩選，整理出有效的數(shù)據(jù)；3）對(duì)整理好的數(shù)據(jù)建立可視化模型，根據(jù)模型選擇合適的可視化方法，進(jìn)行可視化映射；4）根據(jù)展現(xiàn)的結(jié)果，結(jié)合出行的需求和實(shí)際情況分析反饋，獲得滿足要求的可視化結(jié)果。

2.1問(wèn)題分析

移動(dòng)設(shè)備上能方便獲取用戶的出行位置信息，通過(guò)對(duì)移動(dòng)用戶位置數(shù)據(jù)運(yùn)用數(shù)據(jù)挖掘技術(shù)，得到移動(dòng)用戶出行愛(ài)好的特點(diǎn)，系統(tǒng)中需要統(tǒng)計(jì)用戶出行的情況，重點(diǎn)在于時(shí)序變化、人群比較、出行規(guī)律：

a） 移動(dòng)用戶出行位置的隨機(jī)性。移動(dòng)用戶的出行位置點(diǎn)具有連續(xù)性，一天時(shí)間內(nèi)每個(gè)不同的位置點(diǎn)變化都是相互關(guān)聯(lián)的，但是用戶出現(xiàn)的位置點(diǎn)受客觀的影響是不確定的。

b） 移動(dòng)用戶出行位置的規(guī)律性。在大部分情況下，移動(dòng)用戶的訪問(wèn)都是有規(guī)律的，如家>公司>家這樣的出行組合；像周末、節(jié)假日會(huì)出現(xiàn)不同的訪問(wèn)情況，如家>其它（去醫(yī)院、出差等）>家這樣的出行組合，并不能說(shuō)這些特殊的情況沒(méi)有研究?jī)r(jià)值，它可能在很長(zhǎng)一段時(shí)間重復(fù)的出現(xiàn)。

2.2影響移動(dòng)用戶出行的因素

一些特殊時(shí)間、事件會(huì)影響移動(dòng)用戶的出行，如遇到節(jié)假日和周末會(huì)對(duì)出行產(chǎn)生一些變化，因?yàn)橹苣┖凸?jié)假日用戶在工作單位出現(xiàn)的幾率會(huì)明顯降低，而在其它地點(diǎn)如健身場(chǎng)館、商場(chǎng)等出現(xiàn)的幾率會(huì)升高。對(duì)于出行會(huì)產(chǎn)生很大的影響還有兩個(gè)因素：用戶的年齡、性別。由于用戶年齡和性別的差異，如身份因素學(xué)生、白領(lǐng)、退休職工等不同而選擇相異的出行。

2.3用戶出行規(guī)律和平均使用手機(jī)時(shí)長(zhǎng)的關(guān)系

用戶使用手機(jī)時(shí)間的長(zhǎng)短會(huì)因?yàn)槌鲂形恢玫攸c(diǎn)的不同而發(fā)生相應(yīng)的變化，這種變化也具有一定的規(guī)律性，如在工作單位的時(shí)候使用手機(jī)的時(shí)長(zhǎng)可能會(huì)比較短，下班后晚間在居住的地點(diǎn)使用手機(jī)的時(shí)間會(huì)相對(duì)增加；在上下班往返于居住和工作環(huán)境的時(shí)間里使用手機(jī)時(shí)間可能也相應(yīng)增加。

2.4移動(dòng)用戶出行數(shù)據(jù)處理方法

出行數(shù)據(jù)的處理方法流程包括清理數(shù)據(jù)、集成數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)、轉(zhuǎn)換數(shù)據(jù)：

（1） 數(shù)據(jù)清理。噪聲信息和錯(cuò)誤信息等很多存在于原始數(shù)據(jù)中。

（2） 數(shù)據(jù)集成。進(jìn)行集成不同相似度數(shù)據(jù)，如九寨溝屬于旅游景點(diǎn)類的。

（3） 數(shù)據(jù)存儲(chǔ)。將集成好的數(shù)據(jù)進(jìn)行存儲(chǔ)。

（4） 數(shù)據(jù)轉(zhuǎn)換。對(duì)存儲(chǔ)好的數(shù)據(jù)進(jìn)行有目的的挖掘，轉(zhuǎn)換得到有價(jià)值的結(jié)果。

2.5移動(dòng)用戶出行數(shù)據(jù)POI興趣點(diǎn)

通過(guò)手機(jī)GPS獲得了用戶的位置數(shù)據(jù)，為了更好的分析移動(dòng)用戶的興趣位置，采用POI興趣點(diǎn)分類位置數(shù)據(jù)，興趣點(diǎn)（Point of Interest，簡(jiǎn)稱POI）在用戶地理信息系統(tǒng)中，包含名稱、類別、經(jīng)度和維度這四個(gè)方面的信息，它可以是一所學(xué)校、一個(gè)操場(chǎng)、一個(gè)汽車站等，能更加準(zhǔn)確的確定用戶的興趣位置。潘明遠(yuǎn)等[4]通過(guò)研究地理信息和對(duì)自然語(yǔ)言的處理，總結(jié)了POI分類的原則和方法，并構(gòu)建了POI分類模型。

2.6POI興趣點(diǎn)分類

根據(jù)移動(dòng)用戶的出行行為特點(diǎn)，結(jié)合POI分類的原則，將用戶位置數(shù)據(jù)分為一級(jí)、二級(jí)的層級(jí)結(jié)構(gòu)兩類，其中一級(jí)類是和人們生活密切相關(guān)的美食、購(gòu)物、旅游景點(diǎn)等17個(gè)類，二級(jí)類是在大類基礎(chǔ)上細(xì)分的小類。如表1所示。

2.7基于時(shí)間的關(guān)聯(lián)分析算法

FP-Growth[5]算法是由韓家煒等提出的使用了一種緊縮的數(shù)據(jù)結(jié)構(gòu)來(lái)存儲(chǔ)查找頻繁項(xiàng)集所需要的全部信息的關(guān)聯(lián)規(guī)則挖掘算法。然而一味地追求效率的提高是不夠的，還需要同時(shí)針對(duì)特殊情況對(duì)獲得的結(jié)果集進(jìn)行精煉，使數(shù)據(jù)有更高的置信度。

1） 通過(guò)下面的例子解釋這個(gè)問(wèn)題。

從表2中看出，在4月28日之前，用戶只滑動(dòng)過(guò)“NBA臺(tái)球CBA 足球“，沒(méi)有滑動(dòng)過(guò)”健康“；并且，在4月18日后，“NBA臺(tái)球“都是一起被用戶所滑動(dòng)的。根據(jù)上面的解釋，得出關(guān)聯(lián)規(guī)則的置信度：

A. 從4月15日起：Conf（NBA 臺(tái)球CBA）=290/500=58%

B. 從4月18日起：Conf（NBA 臺(tái)球CBA）=290/40072%

C. 從4月20日起：Conf（NBA臺(tái)球CBA）=290/290=100%

D. 從4月20日起：Conf（NBA臺(tái)球CBA足球）=180/29062%

E. 從4月28日起：Conf（NBA臺(tái)球CBA 足球健康）=90/90=100%

從中看出：因?yàn)樵?月28日之前“健康”都沒(méi)有出現(xiàn)過(guò)，所以規(guī)則[ 從4月28日起：Conf（NBA臺(tái)球CBA 足球==>健康）=90/90=100%]看起來(lái)更準(zhǔn)確。從而能更清晰知道先前滑動(dòng)的項(xiàng)集（NBA臺(tái)球CBA 足球）和最新滑動(dòng)的項(xiàng)集（健康）之間的關(guān)聯(lián)。通過(guò)研究最新滑動(dòng)圖片的關(guān)聯(lián)規(guī)則，能有助于在策略的規(guī)定下，由前期的項(xiàng)集產(chǎn)生關(guān)聯(lián)更強(qiáng)的后期項(xiàng)集。

2.8基于時(shí)間排序的位置語(yǔ)義關(guān)聯(lián)

大部分關(guān)聯(lián)挖掘算法（如：Apriori、FP-Growth）關(guān)注的是提高頻繁項(xiàng)集挖掘的效率，而不是根據(jù)特殊情況挖掘特殊項(xiàng)集。通常而言，時(shí)間因素對(duì)歷史項(xiàng)集提供一個(gè)更高的支持度，對(duì)最新的項(xiàng)集有更差的支持度，所以使用流行的關(guān)聯(lián)挖掘算法能得到需要的結(jié)果。但是對(duì)于特殊項(xiàng)集加入時(shí)間的分析，能得到更準(zhǔn)確的結(jié)果。

將需要處理的數(shù)據(jù)從Mysql數(shù)據(jù)庫(kù)取出，處理前的數(shù)據(jù)如圖2所示。

通過(guò)運(yùn)用上面的算法對(duì)用戶位置興趣點(diǎn)進(jìn)行處理，記錄每個(gè)興趣點(diǎn)第一次發(fā)生的時(shí)間，并基于出現(xiàn)時(shí)間的先后順序?qū)Λ@得的頻繁項(xiàng)集中的興趣點(diǎn)進(jìn)行排序，最終得到的結(jié)果如表3所示，對(duì)比現(xiàn)實(shí)中人的活動(dòng)規(guī)律，得到的組合規(guī)律符合實(shí)際中人的出行行為習(xí)慣。

3 數(shù)據(jù)可視化轉(zhuǎn)化

對(duì)大量的手機(jī)出行數(shù)據(jù)進(jìn)行有針對(duì)性的篩選和處理后，通過(guò)頁(yè)面的表現(xiàn)形式對(duì)結(jié)果進(jìn)行展示，方便用戶可以自己去觀察數(shù)據(jù)中的有用價(jià)值。增加新的維度，那么往往只能采用以下辦法，增加新的下拉列表、時(shí)間軸等與原圖耦合度不高的部件來(lái)顯示，這種部件越多，用戶理解起來(lái)也會(huì)越困難，增加一個(gè)兩個(gè)可以接受，如果維度過(guò)多，應(yīng)拆開(kāi)為多圖顯示?；谏鲜鰧?duì)本次可視化研究問(wèn)題的探討和對(duì)用戶數(shù)據(jù)的分析，本文采用基于ECharts圖表組件來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的可視化展示，逐漸探索出了基于移動(dòng)終端出行數(shù)據(jù)的用戶特征可視化的流程和方法。

3.1走勢(shì)圖

通過(guò)FP-tree對(duì)多維數(shù)據(jù)的分析處理，我們選擇采用個(gè)性化的走勢(shì)圖來(lái)展示，需要展示的移動(dòng)用戶信息，包含時(shí)間、年齡、出行位置、性別，其中時(shí)間和年齡是固定不變的，屬于靜態(tài)數(shù)據(jù)，出行位置、平均使用手機(jī)時(shí)長(zhǎng)是隨著時(shí)間變化的，屬于動(dòng)態(tài)數(shù)據(jù)。普通的走勢(shì)圖不能體現(xiàn)不同位置語(yǔ)義的問(wèn)題，為了解決這個(gè)問(wèn)題，結(jié)合網(wǎng)絡(luò)圖方法，展示關(guān)聯(lián)規(guī)則，可以利用不同顏色的結(jié)點(diǎn)代表項(xiàng)目，結(jié)點(diǎn)之間的連線代表項(xiàng)目間的關(guān)聯(lián)關(guān)系。如圖3所示，采用不同的顏色視覺(jué)編碼來(lái)表示出行位置語(yǔ)義。

3.2?；鶊D

為了更好讓用戶查看到不同人群的關(guān)聯(lián)分析結(jié)果，采用?；鶊D（Sankey diagram ）來(lái)展示數(shù)據(jù)，常用于能源、材料成分、金融等數(shù)據(jù)的可視化分析，能很好地展示數(shù)據(jù)間的分流合流情況。?；鶊D中的基本圖形是不同寬度的矩陣，用不同的面積代表數(shù)據(jù)的大小，配以不同的顏色能更好地區(qū)分不同的實(shí)體，使用線的走向代表數(shù)據(jù)的分流、合流情況。最終得到的桑基圖形式可視化展示的結(jié)果如圖4所示。

?；鶊D能更好地利用空間，每個(gè)矩陣能很清晰的顯示每個(gè)出行位置人數(shù)的多少，通過(guò)觀察線的走向可以看出人群流向不同矩陣的分布情況。桑基圖比較適合展示人群活動(dòng)流向關(guān)聯(lián)的可視化效果。

4案例分析

4.1總體規(guī)律

為實(shí)驗(yàn)準(zhǔn)備了10萬(wàn)條用戶出行位置數(shù)據(jù)，每一條數(shù)據(jù)都對(duì)應(yīng)POI興趣點(diǎn)中的類，每個(gè)用戶每天八個(gè)時(shí)間段最多有八個(gè)興趣點(diǎn)，這些點(diǎn)中可能會(huì)有重復(fù)的，如住宅、宿舍的興趣點(diǎn)可能會(huì)出現(xiàn)在凌晨、早晨和晚上三個(gè)時(shí)間段。我們使用FP-tree，對(duì)所有用戶一個(gè)月內(nèi)每天出行興趣點(diǎn)進(jìn)行關(guān)聯(lián)分析，對(duì)得到的分析進(jìn)行時(shí)間排序，得到結(jié)果見(jiàn)表3。

如表4所示，將一天分為8個(gè)時(shí)間段。

從表3中得出的數(shù)據(jù)關(guān)聯(lián)結(jié)果，結(jié)合表4中不同時(shí)間段，找出對(duì)應(yīng)的出行興趣點(diǎn)，得到如下的活動(dòng)情況表，如表5所示。

從表5中人群活動(dòng)的情況我們可以看出，所有人群的特征可以歸納為3種：

a） 出行特征規(guī)律是（家->公司->家），如人群1、人群2和人群6。

b） 出行特征規(guī)律是（宿舍->學(xué)校->宿舍），如人群3。

c） 出行特征規(guī)律是（家/酒店->其它->家/酒店），如人群4、人群5和人群7。

根據(jù)實(shí)際調(diào)查的情況，數(shù)據(jù)對(duì)比一致，這3種活動(dòng)規(guī)律的人群確實(shí)能代表大部分用戶的行為特征。不同人群可視化展示效果如圖4所示。

4.2特殊時(shí)間、事件對(duì)用戶出行影響的分析

從所有數(shù)據(jù)中選出周末、節(jié)假日的數(shù)據(jù)，對(duì)這些數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，對(duì)得到的結(jié)果進(jìn)行可視化展示效果如圖5所示。

從圖5中可以看出，在周末和節(jié)假日用戶的出行特征會(huì)產(chǎn)生明顯的變化，去學(xué)校和公司的人群明顯減少，而出行特征規(guī)律（家/酒店->其它->家/酒店）的用戶明顯增加。如圖6所示，

周末因?yàn)椴簧习嗪筒簧蠈W(xué)，所以教育和公司兩個(gè)位置的人數(shù)明顯比工作日少；而節(jié)假日的到來(lái)，很多用戶會(huì)選擇旅游、回家等，相對(duì)工作日和周末，酒店和其它（如：旅游景點(diǎn)等）的用戶數(shù)會(huì)出現(xiàn)大量增長(zhǎng)。通過(guò)以上對(duì)比分析，結(jié)果符合現(xiàn)實(shí)中大部分用戶的行為習(xí)慣，所以，以上的分析是合理的。

5總結(jié)

本文完整地介紹了一種基于時(shí)間變化的用戶出行和特征的可視化方法研究。從大量用戶的移動(dòng)位置數(shù)據(jù)中，對(duì)數(shù)據(jù)進(jìn)行處理、分析和POI分類，獲得符合需求的用戶特征數(shù)據(jù)。并利用可視化技術(shù)，將數(shù)據(jù)清晰地展示出來(lái)，從而幫助軟件運(yùn)營(yíng)商推送更精確的信息給用戶，提高用戶的體驗(yàn)度。為此，使用關(guān)聯(lián)分析算法獲得用戶出行興趣點(diǎn)之間的相似性，結(jié)合時(shí)間排序?qū)﹃P(guān)聯(lián)興趣點(diǎn)進(jìn)行對(duì)應(yīng)時(shí)間段的映射，通過(guò)?；鶊D結(jié)合時(shí)間將一天用戶活動(dòng)規(guī)律可視化展示出來(lái)，以此來(lái)實(shí)現(xiàn)對(duì)移動(dòng)用戶出行特征的分析。

參考文獻(xiàn)：

[1]羅倩.K-means聚類中心的魯棒優(yōu)化算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2015，36（9）：2396-2400.

[2]曹鶴玲，姜淑娟，鞠小林，等.基于動(dòng)態(tài)切片和關(guān)聯(lián)分析的錯(cuò)誤定位方法[J].計(jì)算機(jī)學(xué)報(bào)，2015，38（11）：2188-2202.

[3]張宏鑫，盛風(fēng)帆，徐沛原，等.基于移動(dòng)終端日志數(shù)據(jù)的人群特征可視化 [J].軟件學(xué)報(bào)，2016，27（5）：1174-1187.

[4]潘明遠(yuǎn)，方金云，章立生.基于用戶反饋的POI搜索引擎優(yōu)化研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（32）：112-115.

[5]Han Jiawei， Pei Jian， Yin Yiwen. Mining frequent patterns without candidate generation[C] // SIGMOD00. [ s.l.] ：[ s.n.] ，2000.