技术摘要：
本发明公开了城市通勤特征测度的方法、系统、设备及存储介质。涉及数据处理领域，其中，方法根据社交媒体数据确定城市通勤影响因素，然后对城市通勤影响因素进行时空相似度计算，得到通勤位置分布数据，根据通勤位置分布数据计算出过剩通勤率和通勤容量使用率，根据过  全部
背景技术：
随着我国城市化水平不断提高，其空间结构也被快速重构。在市场化经济和国家 政策的  影响下，城市内部的职住空间结构发生了深刻的变化，加剧了城市职住空间的分 离。同时，  职住分离导致了通勤距离和通勤时间的显著增加，从而导致了交通拥堵、环境污 染等一系列  社会问题。因此需要有效的测算城市居民的职住分布特征和通勤特征，以解决 以上问题。
技术实现要素：
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出城市通 勤特征  测度方法，能够提取社交媒体数据中与城市通勤相关的时间、空间、属性信息，并对 其进行 时空规范化表达，使类型复杂、来源多样的社交媒体数据有机统一起来规范化表示 城市通勤 时空特征，实现自动化数据处理，提高了城市通勤特征测度的效率以及准确度。 第一方面，本发明的一个实施例提供了：城市通勤特征测度方法，包括： 根据社交媒体数据确定城市通勤影响因素； 对所述城市通勤影响因素进行时空相似度计算，得到通勤位置分布数据； 根据所述通勤位置分布数据计算出过剩通勤率和通勤容量使用率； 根据所述过剩通勤率和通勤容量使用率对城市通勤特征进行测度。 进一步地，所述根据社交媒体数据确定城市通勤影响因素，包括： 通过序列关联算法计算出所述社交媒体数据与通勤影响指标之间的关联程度值， 每一通  勤影响指标对应其中一关联程度值； 选取所述关联程度值大于预设关联阈值的通勤影响指标，将所述通勤影响指标对 应的社 交媒体数据作为城市通勤影响因素。 进一步地，所述通过序列关联算法计算出所述社交媒体数据与通勤影响指标之间 的关联 程度值，包括： 将所述通勤影响指标作为前件序列，将所述社交媒体数据作为后件序列，通过序 列关联  算法计算所述前件序列和所述后件序列之间的置信度，将所述置信度作为所述社 交媒体数据  与通勤影响指标之间的关联程度值。 进一步地，所述通勤影响指标包括就业指标、混合土地利用指标、交通模式指标、 通勤  在全部出行中占比指标、职工技能与空间的匹配程度指标、个人特征指标中的一种或 多种。 进一步地，所述对所述城市通勤影响因素进行时空相似度计算，得到通勤位置分 布数据，  包括： 4 CN 111611497 A 说　明　书 2/9 页 根据所述城市通勤影响因素构建地理时空信息词库； 根据所述地理时空信息词库构建时空向量和计算所述时空向量之间的时空相似 度； 选取时空相似度大于预设相似度阈值的时空向量进行聚类计算，以得到所述通勤 位置分  布数据。 进一步地，通过聚类算法对所述时空向量的起始信息和终点信息分别进行聚类计 算，以  得到所述通勤位置分布数据，所述通勤位置分布数据包括：起点位置组数据和终点 位置组数  据。 进一步地， 所述过剩通勤率表示为： 所述通勤容量使用率表示为： 其中，E表示过剩通勤率，ARC表示实际通勤距离，MRC表示最小通勤距离，MaxRC  表 示最大通勤距离，Cu表示通勤容量使用率。 本发明实施例至少具有如下有益效果：提高了城市通勤特征测度的效率以及准确 度。 第二方面，本发明的一个实施例提供了：一种城市通勤特征测度系统，包括： 确定城市通勤影响因素单元：用于根据社交媒体数据确定城市通勤影响因素； 时空相似度计算单元：用于对所述城市通勤影响因素进行时空相似度计算，得到 通勤位  置分布数据； 第一计算单元：用于根据所述通勤位置分布数据计算出过剩通勤率和通勤容量使 用率； 城市通勤特征测度单元：用于根据所述过剩通勤率和通勤容量使用率对城市通勤 特征进 行测度。 第三方面，本发明的一个实施例提供了：一种城市通勤特征测度设备，包括： 至少一个处理器，以及， 与所述至少一个处理器通信连接的存储器；其中， 所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一 个处理  器执行，以使所述至少一个处理器能够执行如第一方面任一项所述的城市通勤特 征测度方 法。 第四方面，本发明的一个实施例提供了：一种计算机可读存储介质，所述计算机可 读存  储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如第一 方面任一  项所述的城市通勤特征测度方法。 本发明实施例的有益效果是： 本发明实施例根据社交媒体数据确定城市通勤影响因素，然后对城市通勤影响因 素进行 时空相似度计算，得到通勤位置分布数据，根据通勤位置分布数据计算出过剩通勤 5 CN 111611497 A 说　明　书 3/9 页 率和通勤  容量使用率，根据过剩通勤率和通勤容量使用率对城市通勤特征进行测度。通过 提取社交媒  体数据中与城市通勤相关的时间、空间、属性信息，并对其进行时空相似度计 算，使类型复  杂、来源多样的社交媒体数据有机统一起来规范化表示城市通勤时空特征， 实现自动化数据 处理，提高了城市通勤特征测度的效率以及准确度。 应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不 能限制  本公开。 附图说明 此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并  与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公 开的一些  实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附 图获得其他的附图。在附图中： 图1是本发明实施例中城市通勤特征测度方法的一具体实施例流程示意图； 图2是本发明实施例中城市通勤特征测度方法的一具体实施例序列关联算法一个 具体示 意图； 图3是图2中步骤S20的流程示意图； 图4是本发明实施例中城市通勤特征测度系统的一具体实施例结构示意图。