买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉同济大学申请的专利基于多源数据的个体活动-出行链模拟生成方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120218765B 。

龙图腾网通过国家知识产权局官网在2026-01-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510257609.5，技术领域涉及：G06Q10/067；该发明授权基于多源数据的个体活动-出行链模拟生成方法及系统是由王德;张钰;胡杨;殷振轩设计研发完成，并于2025-03-05向国家知识产权局提交的专利申请。

本基于多源数据的个体活动-出行链模拟生成方法及系统在说明书摘要公布了：本发明提供了一种基于多源数据的个体活动‑出行链模拟生成方法及系统，属于城市交通规划与人群行为分析领域。本发明建立手机信令数据与活动日志数据的关联机制，使两类数据优势互补：利用活动日志中的行为模式识别手机信令数据中的活动类型和出行目的；借助手机信令数据的大规模轨迹特征验证扩展活动日志的行为规律。本发明构建时空对齐框架，实现手机信令数据与活动日志数据在时间和空间维度上的匹配；基于融合数据建立模型，实现对个体典型工作日全天活动和出行行为的模拟；开发高效的数据处理与模型计算方法，确保大规模人群行为重构的可行性；从时空分布特征、行为规律一致性等多个维度构建评估体系，验证重构结果的可靠性。

本发明授权基于多源数据的个体活动-出行链模拟生成方法及系统在权利要求书中公布了：1.一种基于多源数据的个体活动-出行链模拟生成方法，其特征在于，融合了研究区域设定时间段的手机信令数据和活动日志调查数据，包括以下步骤： S10，基于所述活动日志调查数据获取人群类型和活动类型以及二者对应的基础转移概率矩阵、活动节律特征、活动时长分布特征、时变活动参与强度特征以及交通出行方式特征，基于所述手机信令数据获取时间起止区间、时空分布特征、人群类型及结构占比、研究区域出入空间特征， 其中，采用重叠滑动窗口法统计某一时间段的活动类型转移频次后，通过EM算法迭代优化基于混合态一阶马尔可夫链模型的模型参数，直至收敛得到所述基础转移概率矩阵， 所述交通出行方式特征包括若干出行方式类型及其选择概率，出行方式选择概率通过构建概率分布模型进行表示： ， 式中，为距离d下选择出行方式m的概率，为方式初始选择倾向，为距离敏感度参数，为基础选择概率，d为出行距离， 其中，构建约束条件： ， 针对不同人群类型，所述概率分布模型的参数通过最小二乘法对调查数据进行拟合，并采用归一化处理确保任意距离下不同出行方式的选择概率之和为1； S20，使用所述时变活动参与强度特征动态修正所述基础转移概率矩阵，得到动态转移概率矩阵，包括以下子步骤： S21，按下式对所述基础转移概率矩阵进行修正： ， 式中，表示所述基础转移概率矩阵，为所述时变活动参与强度特征，k表示人群类型、t表示时刻，表示类型k人群在时刻t的修正转移概率矩阵， S22，对中的零概率项设置下限ε=10-6，并对结果进行归一化得到所述动态转移概率矩阵； S30，以所述时间起止区间控制整体时间范围，以所述人群类型及结构占比控制整体样本结构，以所述时变活动参与强度特征确定初始活动状态，以所述活动时长分布特征作为验证约束条件，从所述动态转移概率矩阵提取条件转移概率行向量后，采用蒙特卡洛方法生成活动链序列，包括以下子步骤： S31，基于所述人群类型及结构占比进行概率抽样从而确定待生成个体所属的人群类型，基于该类型人群的所述时间起止区间确定活动链的时间边界，基于选定人群类型在初始时刻的所述时变活动参与强度特征进行概率抽样从而确定起始活动状态， S32，从动态转移概率矩阵中提取条件转移概率行向量： ， 其中，表示在时间t时刻，人群类型k从状态i转移到状态j的概率，条件转移概率行向量表示从当前状态i转移到所有可能下一状态的条件概率分布， S33，基于所述条件转移概率行向量，采用蒙特卡洛方法选择下一时刻的活动状态，重复该过程直至达到预设的结束时间，得到完整的个体活动链序列， S34，构建双维度验证框架，通过单样本KS检验分别评估所述个体活动链序列与所述活动时长分布特征的拟合度以保证样本的质量要求和合理随机性； S40，结合层次聚类和K-means算法，对所述活动链序列进行模式识别与分类获得若干典型活动链模式，包括以下子步骤： S41，构建所述活动链序列的综合距离度量： ， 式中，表示第i条活动链序列，表示第j条活动链序列，表示两条活动链之间的综合差异度，为通过计算序列匹配所需的最小编辑操作次数获得的活动类型序列的编辑距离，为采用Jaccard系数计算得到的时间重叠度，为基于标准化的欧氏距离的持续时长差异，、、为权重系数， S42，对不同人群类型分别随机抽取若干条活动链序列作为样本，构建距离矩阵后应用Ward法进行层次聚类，计算不同聚类数K下的轮廓系数后选择不同人群类型轮廓系数最大值对应的K值作为最优聚类数，轮廓系数，其中为样本与同簇样本的平均距离，为样本与最近邻簇样本的平均距离， S43，基于所述最优聚类数，采用K-means算法对全部活动链序列进行聚类分析，得到最终的K个典型活动链模式； S50，基于所述典型活动链模式中的关键活动节点的空间位置，利用所述时空分布特征构建时空分布概率矩阵后结合POIAOI数据构建空间选择概率模型后，对活动链中的全部人群的全部活动进行空间位置的选择得到包含空间位置选择的完整活动链数据， 其中，所述关键活动节点的选择概率由活动时空分布概率与场所基础吸引力的乘积确定：，其中，为活动时空分布概率，为场所评分，为点评数量，为平均价格， 所述典型活动链模式中的其他活动的选择概率，由活动时空分布概率、场所基础吸引力以及与相邻活动的空间距离确定：，其中，D为相邻活动的欧氏直线距离； S60，根据所述空间选择概率模型构建出行链，并结合所述交通出行方式特征，通过路径规划服务生成时空轨迹，构建出行链轨迹数据集并通过自适应分布参数调整和层次化抽样策略实现时序优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人同济大学，其通讯地址为：200092 上海市杨浦区四平路1239号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。