摘要：随着城市化的推进以及大数据技术的不断发展，智慧商圈成为智慧城市建设的重要组成部分.智慧商圈的热门程度、消费者的规模、消费层次等因素成为智慧商圈建设的关注热点.然而，传统的消费者规模的统计，还是基于传统的问卷调查或者抽样等，这些方法不仅成本昂贵而且效率低下.但随着数据挖掘技术的发展，使得通过分析用户行为轨迹来确定商圈消费者规模成为可能.本文提出了一种基于轨迹数据分析的商圈消费者规模分析方法.本文的主要工作包括：①在轨迹数据中，如何确定商圈的边界这是一个首要的问题，基于此，才能确定一位消费者是在商圈内活动，还是在商圈外面.本文提出了根据商圈内基站点的位置分布，运用k-NearestNeighbor（kNN）分类算法，对该商圈的范围进行圈定的方法.②由于轨迹数据的不确定性特点，确定一个用户与商圈的关系也是一个难题.本文利用计算不规则多边形面积的方法计算基站点的权重值，结合时间阈值分析该区域内每天的消费者规模.③最后，鉴于轨迹数据的海量性，本文提出了一个大数据计算框架BPDA（Business-Circle Parallel Distributed Algorithm），基于Hadoop大数据处理平台和Kafka分布式消息系统，实现了基于移动轨迹数据的商圈消费者规模分析系统，并使用中山公园商圈基站数据，展示了本文所提方法的可行性.
分类：期刊> 人文社会科学> 社会科学II> 教育综合
收录：CSSCI 南大期刊(含扩展版) > 北大期刊(中国人文社会科学期刊) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：移动轨迹数据 消费者规模分析 knn分类算法 商圈轮廓
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
