一种基于居民活动的出行链特征提取方法与流程

1.本技术涉及一种特征提取方法，尤其涉及一种基于居民活动的出行链特征提取方法，属于出行链特征提取技术领域。


背景技术：

2.随着城市空间布局、基础设施不断发展完善，城市居民出行需求日益增加，人员活动规律不断变化，城市道路交通与公共交通运行愈加复杂，如何根据城市居民活动来对城市空间布局和人员活动特征进行研判，进而为城市空间、交通需求分析、交通设施规划、交通政策评估及公交客流分析等交通规划建设决策提供科学支撑尤为关键。
3.居民出行调查数据得到的居民出行特征分析结果是城市空间和交通规划的重要参考依据，但是传统的居民出行特征分析主要以单次出行作为分析单元，该方法未对个人全天出行链包括个人一天发生多次连续出行的时间、交通方式、停留点活动类型等进行深度分析，该方法难以满足日益精细化、复杂化的交通需求分析，导致分析结果精度不够。


技术实现要素：

4.在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。
5.鉴于此，为解决现有技术中存在的未对个人全天出行链进行深度分析导致的分析结构精度差的技术问题，本发明提供一种基于居民活动的出行链特征提取方法；方案一：一种基于居民活动的出行链特征提取方法，包括以下步骤：s1.城市居民出行调查数据获取，得到居民出行活动数据；s2.对居民出行活动数据预处理，得到居民活动停留点数据；s3.遍历每个居民的停留点数据，提取每个居民全天的活动链，将每个停留点的出行属性特征信息写入活动链字典；s4.遍历每个居民全天的活动链，将居民全天的活动链拆分为多个不同的居民出行链，获取全天的活动链对应停留点的出行属性信息，写入出行链字典；s5.遍历每个居民的出行链，将居民的出行链拆分为居民基本出行链条，获取基本出行链条对应停留点的出行属性信息，写入基本出行链字典；s6.根据带有出行属性信息的基本出行链，提取居民出行链的出行特征信息。
6.优选的，居民出行活动数据包括居民id、家庭id、个人职业类型、停留点次序、停留点经度、停留点纬度、停留点离开时间、停留点到达时间、停留点出行目的、停留点出行目的编码、停留点出行方式和全天活动起点。
7.优选的，对居民出行活动数据预处理方法是：结合城市交通小区地理信息数据，根据居民活动停留点经纬度信息匹配城市交通小区、行政区和地带剔除停留点出行目的为空
的居民出行记录。
8.优选的，s3具体方法是：包括以下步骤：s31.读取居民活动停留点数据，按照居民id进行分组，按照居民活动停留点时间次序进行从早到晚排序，获取居民全天出行起点的编码；s32.预设居民活动链的起点端为居民全天出行起点的编码，遍历居民全天所有活动停留点，依次将活动停留点的出行目的编码链接到居民活动链条上，与上一时序的停留点出行目的编码进行拼接；s33.当遍历完所有的居民活动停留点信息后，生成居民活动链及对应停留点出行属性信息，写入到活动链字典中，完成居民全天活动链的提取。
9.优选的，s4具体方法是：包括以下步骤：s41.读取所有居民活动链及对应的停留点出行属性信息；s42.遍历每个居民的一天活动链及对应出行属性信息；s43.对活动链起终点端为“家”的，拆分为“家*家”出行链，获取对应出行属性信息，写入出行链字典；s44.将s42所述出行链字典中含有工作的“家*家”出行链进一步拆分，获取对应出行属性信息，写入到出行链字典；s45.对活动链起终点端不全为“家”的活动链直接保留，获取对应出行属性信息，写入出行链字典；s46.当遍历完所有居民活动链后，生成居民出行链及对应停留点出行属性信息，写入到出行链字典中，完成居民出行链条的提取。
10.优选的，s43具体方法是：包括以下步骤：s431.读取居民起终点为“家”的活动链及对应停留点出行属性信息；s432.对活动链中连续出现的停留点进行去重，保留第一次或最后一次出现的停留点及出行属性信息；s433.预设每个活动链对应即将拆分出行链的空列表，对起终端为h的活动链停留点进行循环遍历，依次读取停留点编码及对应出行属性信息，s434.对活动链中间停留点不为“家”的停留点编码直接追加到待提取的出行链条中，对活动链中间停留点为“家”的位置进行截断，提取出“家*家”的出行链，并相应提取出行链对应的停留点出行属性信息；s435.以s434所述的截断停留点作为下一个出行链的起点，同样遇到“家”停留点进行截断，直到遍历活动链终端“家”停止；s436.当遍历完所有居民活动链后，活动链按照“家*家”拆分出行链完成，获取对应停留点出行属性信息，写入到出行链字典，完成居民“家*家”出行链提取。
11.优选的，s44具体方法是：包括以下步骤：s441.读取居民起终点为“家”的出行链及对应停留点出行属性信息；s442.遍历每个居民的每条出行链，统计出行链条中含有“工作”停留点的数量w_num，如果w_num小于或等于1，则直接保留原始出行链条，如果w_num大于1，则执行下一步骤；s443.提取“工作”停留点在出行链中第一次出现位置索引start_index和最后一
次出现的位置索引end_index，作为出行链拆分的截断位置；s444.根据出行链中“工作”的索引位置，对出行链进一步拆分，将含3个以上停留点的出行链拆分为起终点为“家”，中间停留点仅包含1个“工作”停留点的“家*家”出行链和起终点为“工作”的“工作*工作”出行链；s445.对s444所述起终点为“工作”的“工作*工作”出行链进一步拆分，将含有2个以上工作停留点的出行链拆分为多条仅包含2个“工作”停留点的“工作*工作”出行链；s446.当遍历完所有居民出行链后，起终点为“家*家”、“工作*工作”出行链拆分第二轮完成，获取对应停留点出行属性信息。
12.优选的，s5具体方法是：包括以下步骤：s51.读取居民出行链及对应停留点出行属性信息；s52.预设居民出行链非关键停留点的优先级，保证居民出行链拆分居民基本出行链过程中保留优先级更高的停留点；s53.遍历每个居民的每条出行链，依次读取出行链中的停留点编码和对应的停留点出行属性信息；s54.对“家*家”出行链中的非关键停留点进行拆分，针对“家*家”出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；s55.对“工作*工作”出行链中的非关键停留点进行拆分，针对“工作*工作”出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；s56.对“家*”半程出行链中的非关键停留点进行拆分，针对“家*”半程出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；s57.对“工作*”半程出行链中的非关键停留点进行拆分，针对“工作*”半程出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；s58.当遍历完所有居民出行链后，居民出行链拆分基本出行链完成，获取对应停留点出行属性信息，写入到基本出行链字典，完成居民基本出行链提取。
13.方案二：一种电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现方案一所述一种基于居民活动的出行链特征提取方法的步骤。
14.方案三：一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现方案一所述的一种基于居民活动的出行链特征提取方法。
15.本发明的有益效果如下：本发明根据居民活动数据提取居民全天活动链及对应停留点的出行属性信息；再根据居民全天活动链信息提取居民全天多个不同的出行链及对应停留点的出行属性信息；再根据居民出行链信息提取居民基本出行链及对应停留点的出行属性信息；最后根据居民基本出行链信息提取居民一天不同出行链的去返程出行目的、去返程出发时间、去返程到达时间、去返程交通方式、去返程出发到达交通小区等出行链特征。本发明有效利用了居民全天出行信息，解决了现有技术中存在的未对个人全天出行链
进行深度分析导致的分析结构精度差的技术问题。
附图说明
16.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：图1为本发明一种基于居民活动的出行链特征提取方法流程示意图；图2为本发明居民一天活动链及停留点示意图。
具体实施方式
17.为了使本技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本技术的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
18.实施例1、参照图1-图2说明本实施方式，一种基于居民活动的出行链特征提取方法，其特征在于，包括以下步骤：s1.城市居民出行调查数据获取，得到居民出行活动数据；居民出行活动数据包括居民id、家庭id、个人职业类型、停留点次序、停留点经度、停留点纬度、停留点离开时间、停留点到达时间、停留点出行目的、停留点出行目的编码、停留点出行方式和全天活动起点；具体的，以某城市居民出行调查为例，数据样例参照表1居民调查数据表，城市居民出行目的包含9个类别，分别为家（h）、工作（w）、商务（b）、休闲购物（s）、接送人（c）、中小学（e）、大学（u）、办公（f）、其他目的（o），其中括号中的字母为对应出行目的预设编码；表1居民调查数据表
居民id家庭id职业类型停留点次序停留点经度停留点纬度离开时间到达时间出行目的出行目的编码出行方式全天活动起点11其他0120.2631.54800810上班w自有自行车h21其他1120.2731.5416401650睡觉/休息h自有自行车h31离退休人员0120.2731.53830835购物s电动车h42离退休人员1120.2731.54900905家务/照顾人h电动车h52公务员0120.2131.55830835上班w步行h62公务员1120.2131.5513001400公务外出b公交h73公务员2120.2531.5517001830睡觉/休息h公交h83公司职员0120.2631.54810813上班w电动车h
………………………………
19.s2.对居民出行活动数据预处理，得到居民活动停留点数据；结合城市交通小区地理信息数据，根据居民活动停留点经纬度信息匹配城市交通小区、行政区和地带剔除停留点出行目的为空的居民出行记录；本步骤的目的是便于将居民个体出行特征集计到预定的交通区域范围内，提高居民出行链特征挖掘的辨识度；保证出行链生成不出现停留点跳跃问题，得到预处理后的居民活动停留点信息；s3.遍历每个居民的停留点数据，如某居民全天的活动停留点目的依次为家（h）、接送人（c）、工作（w）、家（h）、工作（w）、家（h），提取每个居民全天的活动链，将每个停留点的出行属性特征信息写入活动链字典；即为家-接送人-工作-家-工作-家（hcwhwh），标记对应停留点的出行属性特征信息，写入活动链字典（activity_chain_dict）中，以供后续出行链
信息调用；出行属性特征包括出发到达位置、时间和交通方式；s31.读取居民活动停留点数据，按照居民id进行分组，按照居民活动停留点时间次序进行从早到晚排序，如接送人（c）、工作（w）、其他（o）、工作（w）、家（h）、工作（w）、家（h），获取居民全天出行起点的编码家（h）；s32.预设居民活动链的起点端为居民全天出行起点的编码，遍历居民全天所有活动停留点，依次将活动停留点的出行目的编码链接到居民活动链条上，与上一时序的停留点出行目的编码进行拼接，得到所述居民活动链为hcwowhwh；s33.当遍历完所有的居民活动停留点信息后，生成居民活动链及对应停留点出行属性信息，写入到活动链字典（activity_chain_dict）中，完成居民全天活动链的提取。
20.s4.遍历每个居民id，读取活动链字典，提取居民对应的全天活动连信息，遍历每个居民全天的活动链，将居民全天的活动链拆分为多个不同的居民出行链，获取全天的活动链对应停留点的出行属性信息，写入出行链字典（travel_chain_dict）；如所述居民的活动链信息在活动链字典中的体现为：{“居民1”：{“activity_chain”:“hcwowhwh”,“lng”:[120.36,120.29,120.28,120.17,120.28,120.36,120.28,120.36],“lat”:[32.89,32.87,32.98,32.47,32.98,32.89,32.98,32.89],“taz”:[1,2,3,3,3,1,3,1],“county”:[1,1,1,1,1,1,1,1],“area”:[1,1,1,1,1,1,1,1],“depature_time”:[none,630,700,830,900,1100,1130,1630],“arrival_time”:[none,645,715,850,920,1110,1145,1645]},“trans_mode”:none,'私家车自驾','私家车自驾','私家车自驾','步行','步行','私家车自驾','私家车自驾','私家车自驾'}}，完成所有居民活动链信息提取。
[0021]
s41.读取活动链字典，读取所有居民活动链及对应的停留点出行属性信息；s42.遍历每个居民的一天活动链及对应出行属性信息；s43.对活动链起终点端为“家”的，拆分为“家*家”出行链，获取对应出行属性信息，写入出行链字典；s431.读取居民起终点为“家”的活动链及对应停留点出行属性信息；如居民一天活动链条为hcwoowhwh，活动停留点的索引顺序为{0,1,2,3,4,5,6,7,8}；s432.对活动链中连续出现的停留点进行去重（居民误填或者连续出现多次间隔较短的停留情况），根据不同活动停留点的重要程度，选择保留第一次或最后一次出现的停留点及出行属性信息，如去重后保留第一次出现的相同停留点，则去重的活动链条为hcwowhwh，活动停留点的索引顺序为{0,1,2,3,5,6,7}；如去重后保留最后一次出现的相同停留点，则去重的活动链条为hcwowhwh，活动停留点的索引顺序为{0,1,2,3,4,6,7}，对应停留点的出行属性信息依据停留点索引顺序进行提取；s433.预设每个活动链对应即将拆分出行链的空列表list_travel_chain，对起终端为h的活动链停留点进行循环遍历，依次读取停留点编码及对应出行属性信息，如居民活
动链条为hcwowhwh，停留点索引顺序为{0,1,2,3,4,5,6,7}；s434.对活动链中间停留点不为“家”的停留点编码直接追加到待提取的出行链条中，对活动链中间停留点为“家”的位置进行截断，提取出“家*家”的出行链，并相应提取出行链对应的停留点出行属性信息；对于停留点索引顺序为{0,1,2,3,4,5,6,7}的链条，即在索引顺序为“6”的位置进行截断，提取出“家*家”的出行链为hcwowh，并相应提取出行链对应的停留点出行属性信息；s435.以s434所述的截断停留点作为下一个出行链的起点，同样遇到“家”停留点进行截断，直到遍历活动链终端“家”停止；对于停留点索引顺序为{0,1,2,3,4,5,6,7}的链条，即将索引顺序为“6”的位置对应停留点作为下一个待拆分出行链的起点，同样若遍历至“家（h）”停留点进行截断，直到遍历活动链终端“家（h）”停止，最终拆分得到的出行链分别为hcwowh和hwh；s436.当遍历完所有居民活动链后，活动链按照“家*家”拆分出行链完成，获取对应停留点出行属性信息，写入到出行链字典，完成居民“家*家”出行链提取。完成第一轮居民“家*家”出行链拆分和提取。如步骤s43所述居民活动链拆分提取第一轮出行链在所述出行链字典中的体现为：{“居民1”：{“activity_chain”:“hcwoowhwh”,“travel_chain”:[“hcwowh”,“hwh”]“lng”:[[120.36,120.29,120.28,120.19,120.28,120.36],[120.36,120.28,120.36]],“lat”:[[32.89,32.87,32.98,32.47,32.98,32.89],[32.89,32.98,32.89]],“taz”:[[1,2,3,3,3,1],[1,3,1]],“county”:[[1,1,1,1,1,1],[1,1,1]],“area”:[[1,1,1,1,1,1],[1,1,1]],“depature_time”:[none,630,700,830,900,1100],[1100,1130,1630],“arrival_time”:[none,645,715,850,920,1110],[1110,1145,1645]},“trans_mode”:[[none,'私家车自驾','私家车自驾','步行','步行','私家车自驾',],['私家车自驾','私家车自驾','私家车自驾'}}。
[0022]
s44.将s42所述出行链字典中含有工作的“家*家”出行链进一步拆分，获取对应出行属性信息，写入到出行链字典；s441.读取居民起终点为“家”的出行链及对应停留点出行属性信息；如居民一天中某条出行链为hcwowbwh，活动停留点的索引顺序为{0,1,2,3,4,5,6,7}；s442.遍历每个居民的每条出行链，统计出行链条中含有“工作”停留点的数量w_num，如果w_num小于或等于1，则直接保留原始出行链条，如果w_num大于1，则执行下一步骤；s443.提取“工作”停留点在出行链中第一次出现位置索引start_index和最后一次出现的位置索引end_index，作为出行链拆分的截断位置；对于所述出行链hcwowh中包含的“工作（w）”停留点数量为2，则“w”在出行链中的索引start_index为“2”，end_index为“6”。
[0023]
s444.根据出行链中“工作”的索引位置，对出行链进一步拆分，将含3个以上停留点的出行链拆分为起终点为“家”，中间停留点仅包含1个“工作”停留点的“家*家”出行链和起终点为“工作”的“工作*工作”出行链；如选择索引序列为{[0：start_index]+[end_index:]}的出行链条作为起终点为“家（h）”，中间停留点仅包含1个“工作（w）”停留点的“家*家（h*h）”出行链，这里选择最后一个“工作（w）”停留点作为“家*家（h*h）”出行链中的主要停留点，是为了确保出行链中从工作返程回家的出行为一次实际出行。选择索引序列为{[start_index:end_index+1]}的出行链条作为起终点为“工作（w）”的“工作*工作（w*w）”出行链；对于所述出行链hcwowbwh，拆分得到的起终点为“家（h）”，中间停留点仅包含1个“工作（w）”停留点的“家*家（h*h）”出行链为hcwh，对应的索引序列为{0,1,6,7}；拆分得到的起终点为“工作（w）”的“工作*工作（w*w）”出行链为wowbw，对应的索引序列为{2,3,4,5,6}；s445.对s444所述起终点为“工作”的“工作*工作”出行链进一步拆分，将含有2个以上工作停留点的出行链拆分为多条仅包含2个“工作”停留点的“工作*工作”出行链；如将含有2个以上工作（w）停留点的出行链拆分为多条仅包含2个“工作（w）”停留点的“工作*工作（w*w）”出行链。依次遍历出行链包含的停留点，不为“工作（w）”的停留点编码直接追加到待提取的出行链条中，对出行链中间停留点为“工作（w）”的位置进行截断，提取出“工作*工作（w*w）”出行链，以截断位置的“工作（w）”停留点作为下一出行链的起点，同样若遍历至“工作（w）”中间停留点进行截断，直到遍历出行链终端“工作（w）”停止，提取出其他“工作*工作（w*w）”出行链，相应提取出行链对应的停留点出行属性信息。如步骤4.4.4所述起终点为“工作（w）”的“工作*工作（w*w）”出行链为wowbw，索引序列为{2,3,4,5,6}，在索引顺序为“4”的位置进行截断，提取出wow，以索引顺序为“4”的位置作为下一个待拆分出行链的起点，同样若遍历至“工作（w）”中间停留点进行截断，直到遍历出行链终端“工作（w）”停止，最终拆分得到的出行链分别为wow和wbw；s446.当遍历完所有居民出行链后，起终点为“家*家”、“工作*工作”出行链拆分第二轮完成，获取对应停留点出行属性信息。
[0024]
如所述居民出行链拆分提取第二轮出行链在所述出行链字典中的体现为：{“居民1”：{“activity_chain”:“hcwowbwhwh”,“travel_chain”:[“hcwh”,“wow”,“wbw”,“hwh”]“lng”:[[120.36,120.29,120.28,120.36],[120.19,120.28,120.19],[120.19,120.32,120.19],[120.36,120.28,120.36]]，“lat”:[[32.89,32.87,32.98,32.89],[32.98,32.21,32.98],[32.98,32.58,32.98],[32.89,32.98,32.89]],“taz”:[[1,2,3,3],[3,3,3],[3,3,3],[1,3,1]],“county”:[[1,1,1,1],[1,1,1],[1,1,1],[1,1,1]],“area”:[[1,1,1,1],[1,1,1],[1,1,1],[1,1,1]],“depature_time”:[none,630,700,830],[830,900,1100],[1100,1110,1120],[1200,1130,1630],“arrival_time”:[none,645,715,850],[840,920,1110],[1200,1120,1130],
[1230,1145,1645]},“trans_mode”:[[none,'私家车自驾','私家车自驾','私家车自驾'],['私家车自驾','步行','步行'],['步行','步行','私家车自驾'],['私家车自驾','私家车自驾','私家车自驾']}。
[0025]
s45.对活动链起终点端不全为“家”的活动链直接保留，获取对应出行属性信息，写入出行链字典；s46.当遍历完所有居民活动链后，生成居民出行链及对应停留点出行属性信息，写入到出行链字典中，完成居民出行链条的提取。
[0026]
s5.遍历每个居民id，读取活动链字典，提取居民对应的出行链信息，遍历每个居民的出行链，将居民的出行链拆分为居民基本出行链条，获取基本出行链条对应停留点的出行属性信息，写入基本出行链字典（basic_travel_chain_dict）；s51.读取居民出行链及对应停留点出行属性信息；s52.预设居民出行链非关键停留点的优先级，保证居民出行链拆分居民基本出行链过程中保留优先级更高的停留点；如预设非关键停留点优先级priority为{工作（w）》中小学（e）》大学（u）》商务（b）》办公（f）》接送人（c）》休闲购物（s）》其他目的（o）}；s53.遍历每个居民的每条出行链，依次读取出行链中的停留点编码和对应的停留点出行属性信息；s54.对“家*家”出行链中的非关键停留点进行拆分，针对“家*家”出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；如居民出行链为hcwh，依次遍历非关键停留点优先级序列，可得到所述出行链中优先级最高的非关键停留点为“工作（w）”停留点，故提取仅包含“工作（w）”停留点的基本出行链为hwh，并获取对应停留点出行属性信息。
[0027]
s55.对“工作*工作”出行链中的非关键停留点进行拆分，针对“工作*工作”出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；如居民出行链为wobw，依次遍历非关键停留点优先级序列，可得到所述出行链中优先级最高的非关键停留点为“商务（b）”停留点，故提取仅包含“商务（b）”停留点的基本出行链为wbw，并获取对应停留点出行属性信息。
[0028]
s56.对“家*”半程出行链中的非关键停留点进行拆分，针对“家*”半程出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；如居民半程出行链为hcb，依次遍历非关键停留点优先级序列，可得到所述出行链中优先级最高的非关键停留点为“商务（b）”停留点，故提取仅包含“商务（b）”停留点的半程出行链为hb，并获取对应停留点出行属性信息。
[0029]
s57.对“工作*”半程出行链中的非关键停留点进行拆分，针对“工作*”半程出行链，对预设优先级的停留点按照优先次序进行遍历，并判断出行链是否包含对应停留点，若出行链包含对应停留点，则提取包含对应停留点的基本出行链；
如居民半程出行链为wsb，依次遍历非关键停留点优先级序列，可得到所述出行链中优先级最高的非关键停留点为“商务（b）”停留点，故提取仅包含“商务（b）”停留点的半程出行链为wb，并获取对应停留点出行属性信息。
[0030]
s58.当遍历完所有居民出行链后，居民出行链拆分基本出行链完成，获取对应停留点出行属性信息，写入到基本出行链字典，完成居民基本出行链提取。
[0031]
如步骤s44所述居民出行链拆分提取基本出行链在出行链字典中的体现为：{“居民1”：{“activity_chain”:“hcwowbwhwh”,“basic_travel_chain”:[“hwh”,“wow”,“wbw”,“hwh”]“lng”:[[120.36,120.28,120.36],[120.19,120.28,120.19],[120.19,120.32,120.19],[120.36,120.28,120.36]]，“lat”:[[32.89,32.98,32.89],[32.98,32.21,32.98],[32.98,32.58,32.98],[32.89,32.98,32.89]],“taz”:[[1,2,3],[3,3,3],[3,3,3],[1,3,1]],“county”:[[1,1,1],[1,1,1],[1,1,1],[1,1,1]],“area”:[[1,1,1],[1,1,1],[1,1,1],[1,1,1]],“depature_time”:[none,700,1130],[830,900,1100],[1100,1110,1120],[1120,1330,1630],“arrival_time”:[none,715,1150],[840,920,1110],[1200,1120,1130],[1130,1350,1645]},“trans_mode”:[[none,'私家车自驾','私家车自驾'],['私家车自驾','步行','步行'],['步行','步行','私家车自驾'],['私家车自驾','私家车自驾','私家车自驾']}。
[0032]
s6.遍历每个居民id，读取基本出行链字典，提取居民对应的不同的基本出行链条，根据带有出行属性信息的基本出行链，提取居民出行链的出行特征信息。
[0033]
根据居民出行链的出行特征信息构建居民出行链生成和特征提取结果表（参照表2居民出行链生成和特征提取表），包括去返程出行目的、去返程出发时间、去返程到达时间、去返程交通方式、去返程出发到达交通小区等。如居民一天活动链为“家-休闲购物-家-工作-休闲购物-家（hshwsh）”，拆分得到出行链为“家-休闲购物-家（hsh）”和“家-工作-休闲购物-家（hwsh）”，进一步拆分得到基本出行链为“家-休闲购物-家（hsh）”和“家-工作-家（hwh）”。其中“家-休闲购物-家（hsh）”的出发交通小区为1，去程出发时间为6:33，到达时间为6:50，交通方式为私家车自驾，到达交通小区为2，返程出发时间为7:56，到达时间为8:10，交通方式为私家车自驾。
[0034]
表2居民出行链生成和特征提取表
居民id家庭id活动链出行链基本出行链去程出发时间去程到达时间返程出发时间返程到达时间去程交通方式返程交通方式出发交通小区到达交通小区11hshwshhshhsh633650756810私家车自驾私家车自驾1121hshwshhwshhwh84585821002110私家车自驾私家车自驾11
31hshwbsohhshhsh730735755810私家车自驾私家车自驾1142hshwbsohhwbsohhwh82283019301959私家车自驾私家车自驾1152hsoohshohhsohhsh61762810121030电动车步行2362hsoohshohhshhsh1121120912211250步行步行2273hsoohshohhohhoh1522154016191642步行步行2283hswbhwhhswbhhwh81583010461120电动车电动车4593hswbhwhhwhhwh1243130016301648电动车电动车45104hshwshhshhsh630645705715电动车电动车89114hshwshhwshhwh83084017301740电动车电动车1011125hswbwbwshhswshhwh1610163020002010私家车私家车1213135hswbwbwshwbwwbw1000101011001110私家车私家车1314145hswbwbwshwbwwbw1000101011001110私家车私家车1314
本发明的关键词及缩略语的含义：活动链：以24小时为单位，将出行者一系列活动按照先后顺序依次连接起来所形成的链条。活动链代表了居民连贯发生的以日常活动中心（如家、单位、学校等)为起讫点的一连串出行。参照图2代表了一个人一整天的出行活动记录。
[0035]
出行链：从起点出发,经过若干中途停留点后,最终返回起点的一连串出行组合。因此，一个活动链可以包含1个或多个出行链，而每个出行链又包含多个出行，如家-单位-家、单位-商务出行-单位等。出行、出行链与活动链之间，是一种被包含的关系。
[0036]
基本出行链：是从出行链中抽象、归并、筛选后用于出行链特征分析和建模的出行链。基本出行链是从起点出发，途中仅包含1个中间停留点，最后返回起点的出行组合，基本出行链与出行链之间，是一种被包含关系。
[0037]
半程出行链：由于特殊原因24小时内无法回到起点的出行链。
[0038]
实施例2、本发明的计算机装置可以是包括有处理器以及存储器等装置，例如包含中央处理器的单片机等。并且，处理器用于执行存储器中存储的计算机程序时实现上述的基于creo软件的可修改由关系驱动的推荐数据的推荐方法的步骤。
[0039]
所称处理器可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0040]
所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储
卡（smartmediacard,smc），安全数字（securedigital,sd）卡，闪存卡（flashcard）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0041]
实施例3、计算机可读存储介质实施例本发明的计算机可读存储介质可以是被计算机装置的处理器所读取的任何形式的存储介质，包括但不限于非易失性存储器、易失性存储器、铁电存储器等，计算机可读存储介质上存储有计算机程序，当计算机装置的处理器读取并执行存储器中所存储的计算机程序时，可以实现上述的基于creo软件的可修改由关系驱动的建模数据的建模方法的步骤。
[0042]
所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（rom，read-onlymemory）、随机存取存储器（ram，randomaccessmemory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
[0043]
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。