[文章摘要]Clustering daily patterns of human activities in the city

文章：Clustering daily patterns of human activities in the city

作者：Jiang, Shan, Joseph Ferreira, and Marta C. González.

来源：Data Mining and Knowledge Discovery, 2012, 25(3): 478-510.

本文利用芝加哥城区的居民活动调查数据来调查：

1，个人的日常活动结构

2，个人的日常活动的随时间的变化

3，对个人活动进行聚类，并与其社会经济属性（职业、年龄、收入、受教育水平等）进行关联

总体在工作日和周末可分别聚集为8个和7个聚簇。

特点：

1，本方法没有假设社会经济属性的分类，而是利用非监督分类的方法。

2，将活动类别与社会经济属性关联来分析，总结了每个聚簇的社会经济特点。

本应用可为很多其他人类活动的模型服务，包括：
时间利用分析、人类移动性、应急处理和传染病扩散。

下图为活动的类别，将原有的23类，聚集为9类，分别用不同颜色表示。



下图是工作日不同时间的芝加哥人类活动概览。



下图是周末不同时间的芝加哥人类活动概览。



下图是工作日和周末个人随时间的活动图。



下图是工作日和周末活动图的叠加。



其中用PCA和聚类分析聚集了个人活动的类别。

下图为工作日的活动模式，共为8类。



本工作课用来丰富其它模型的要素，当然，传感器数据必须包含详细的GIS数据，比如土地利用数据或者POI数据等。

模型有传染病扩散模型。