-
Notifications
You must be signed in to change notification settings - Fork 1
/
trip2vec.m
156 lines (147 loc) · 5.54 KB
/
trip2vec.m
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
%------- Only for weekday------
function trip2vec(taxi_manhattan)
delete('./temp.txt');
trip_vec=zeros(1,22);%embedded vectors of trips ：4个score
checkins=load('checkin_manhattan.mat');%%%%需改进
autoenc_50=load('autoenc_50.mat');
autoenc_50=autoenc_50.autoenc_50;
autoenc_50_10=load('autoenc_50_10.mat');
autoenc_50_10=autoenc_50_10.autoenc_50_10;
Ctrs=load('Ctrs.mat');
Ctrs=Ctrs.Ctrs;
checkin_manhattan=checkins.checkin_manhattan;
%tic
%[p,q]=size(checkin_manhattan);
score_s=zeros(1,9); %s上9类poi分数
score_e=zeros(1,9); %e上9类poi分数
checkin=cell2mat(checkin_manhattan(:,7));
% checkin_time=cell2mat(checkin_manhattan(:,8));
score_se=zeros(1,1);%Popularity(s/e) + travel_distance
score_t=zeros(1,2); %weekday（0、1）+ time_stamp
s_index=taxi_manhattan{6};%cell2mat()
e_index=taxi_manhattan{9};%取出索引及周边共9个grid的索引
s_indexes=[s_index,s_index+1,s_index-1,s_index+149,s_index+150,s_index+151,s_index-149,s_index-150,s_index-151];
e_indexes=[e_index,e_index+1,e_index-1,e_index+149,e_index+150,e_index+151,e_index-149,e_index-150,e_index-151];
s_lng=taxi_manhattan{4};%取出经纬度
s_lat=taxi_manhattan{5};
e_lng=taxi_manhattan{7};
e_lat=taxi_manhattan{8};
t_s=datevec(taxi_manhattan{2});%取出s时间
t_e=datevec(taxi_manhattan{3});%取出e时间
score_se(1)=etime(t_e,t_s);
%score_se(2)=dis_node(s_lat,s_lng,e_lat,e_lng);
t_s(4)=t_s(4)-2;%选择该上车时间点前2个小时的周边check-in数据
if t_s(4)<0
t_s(4)=t_s(4)+24;
end
taxi_e_lat=zeros(9,100);%存储e位置上的9类poi对应checkin_lat用以区分个体
taxi_s_lat=zeros(9,100);%存储e位置上的9类poi对应checkin_lat用以区分个体
%taxi_e_lat_4h=zeros(9,1);%存储e位置上的前4h内9类poi对应checkin_lat用以区分个体
taxi_s_dis=zeros(9,100);%存储s位置上的9类poi对应checkin离s的距离
%taxi_e_dis_4h=zeros(9,1);%存储e位置上的9类poi在前4h内对应checkin离e的距离
taxi_e_dis=zeros(9,100);%存储e位置上的9类poi对应checkin离e的距离
k_s=zeros(1,9);%taxi_s各行累加索引
k_e=zeros(1,9);%taxi_e各行累加索引
% k_e_4h=ones(1,9);%taxi_e_4h各行累加索引
k_e_uniq=zeros(1,9);%各type的个体数量（不是check-in数量）
k_s_uniq=zeros(1,9);%各type的个体数量（不是check-in数量）
checkin_s_index=find(ismember(checkin, s_indexes));
ts=datevec(cell2mat(checkin_manhattan(checkin_s_index,8)));
checkin_s_t=find(abs(etime(t_s,ts))<=3600);
checkin_s=checkin_s_index(checkin_s_t);%符合index和时间条件的checkin的id
checkin_e_index=find(ismember(checkin, e_indexes));%下标（checkin_manhattan的）
te=datevec(cell2mat(checkin_manhattan(checkin_e_index,8)));%checkin_e_index下标所对应的值
checkin_e_t=find(abs(etime(t_e,te))<=3600);%下标（checkin_e_index的）
checkin_e=checkin_e_index(checkin_e_t);
% toc
%c_t1=regexp(checkin_manhattan{j,8}, '\s+', 'split');
%1、取索引区间内，2、取前后时间段内的check-in数据;
%根据type类型分别将check_in数据的id存储到9行的矩阵当中，供计算;
for j1=1:length(checkin_e)
h1=checkin_e(j1);
if checkin_manhattan{h1,9}==0
c_type=checkin_manhattan{h1,2};
c_lat=checkin_manhattan{h1,5};
c_lng=checkin_manhattan{h1,6};
dis_e=dis_node(e_lat,e_lng,c_lat,c_lng);
if dis_e<=250
taxi_e_dis(c_type,k_e(c_type)+1)=dis_e;%计算该点与下车点的距离，存入对应type的矩阵行
k_e(c_type)=k_e(c_type)+1;
if not (ismember(c_lat,taxi_e_lat(c_type,:)))
k_e_uniq(c_type)=k_e_uniq(c_type)+1;
taxi_e_lat(c_type,k_e_uniq(c_type))=c_lat;%？？？k_e(n1)+1
end
end
end
end
for j1=1:length(checkin_s)
h2=checkin_s(j1);
if checkin_manhattan{h2,9}==0
%1、取索引区间内，2、取前后时间段内的check-in数据;
%根据type类型分别将check_in数据的id存储到9行的矩阵当中，供计算;
c_lat2=checkin_manhattan{h2,5};
c_lng2=checkin_manhattan{h2,6};
c_type2=checkin_manhattan{h2,2};
dis_s=dis_node(s_lat,s_lng,c_lat2,c_lng2);
if dis_s<=250
taxi_s_dis(c_type2,k_s(c_type2)+1)=dis_s;%计算该点与上车点的距离，存入对应type的矩阵行
k_s(c_type2)=k_s(c_type2)+1;
if not (ismember(c_lat2,taxi_s_lat(c_type2,:)))
k_s_uniq(c_type2)=k_s_uniq(c_type2)+1;
taxi_s_lat(c_type2,k_s_uniq(c_type2))=c_lat2;%？？？k_e(n1)+1
end
end
end
end
score_s=score_s_computing(k_s,taxi_s_dis,k_s_uniq);
%score_e=score_e_computing(k_e,k_e_4h,taxi_e_dis,taxi_e_dis_4h,k_e_uniq,k_e_4h_uniq);
score_e=score_e_computing(k_e,taxi_e_dis,k_e_uniq);
if t_s(3)<3
score_t(1)=0;
end
if t_s(3)>10
score_t(1)=1;
end
score_t(2)=t_e(4)/100;%%%按 制作slot
s=[score_s,score_e,score_se,score_t];
%s(19:21)=mapminmax(s(19:21),0,1);
s(1:9)=s(1:9)/29.6216;
s(10:18)=s(10:18)/29.6755;
s(19)=s(19)/13585;
s(21)=s(21)/0.23;
trip_vec=s;
%生成10-dim feature
x=trip_vec';
x(20:21,:)=x(20:21,:)/10;
x(20,:)=x(20,:)/100;
f_trip_vec =encode(autoenc_50_10,encode(autoenc_50,x))';
%计算距离获取类别
for k = 1:8
%relation(k) = corr2(feature_50_10(:,1)',cluster_mean_feature(k,:));
dis_vec=[f_trip_vec;Ctrs(k,:)];
Dis_8(k)=pdist(dis_vec,'euclidean');
end
[value,index]= min(Dis_8);
%判断是哪一类purpose
if index==8 || index==2
trip_type=1;
elseif index==7 || index==6
trip_type=2;
elseif index==3
trip_type=3;
elseif index==1 || index==5
trip_type=4;
elseif index==4
trip_type=5;
end
Dis_5(1)=min([Dis_8(2),Dis_8(8)]);
Dis_5(2)=min([Dis_8(6),Dis_8(7)]);
Dis_5(3)=Dis_8(3);
Dis_5(4)=min([Dis_8(1),Dis_8(5)]);
Dis_5(5)=Dis_8(4);
Dis_5=roundn(Dis_5,-5);
%保存临时文件
path = "./temp.txt";
file=fopen(path,'w+');
fprintf(file,mat2str([Dis_5,trip_type]));
fclose(file);