肖凡智 张雨竹 尹耀宽 许建潮 刘 钢

（长春工业大学计算机科学与工程学院 长春 130012）

1 引言

随着大数据技术的成熟，分析城市数据，如交通数据、气象数据、兴趣点数据、社交媒数据体等成为了解决城市问题所面临的首要挑战［1～2］。挖掘城市数据中的相关性和差异性也是城市计算的热点。使用显露模式（Emerging Pattern，EP）［3］分析方法挖掘数据差异性是一个有效的处理方法。显露模式是支持度从一个数据集到另一个数据集项集显著变化的模式［4～5］。显露模式能够很好捕捉两类数据集上属性之间的差异。但城市计算中涉及的数据具有多维、异构的星型结构特点，难于直接进行显露模式分析。本文提出一种显露模式分析算法，对POI（Point of Interest）数 据［6～7］，GPS（Global Positioning System）数据［8］，交通数据等，按应用需求设计合理的转换方法，将多源异构数据［9］融合在一张表中，通过显露模式分析方法挖掘数据之间的差异性获取新知识。同时为了满足POI数据可以利用POI名称直接进行聚类，本文利用层次聚类树算法，将POI转换为区域地址名称进行聚类。

基于显露模式的城市数据分析方法过程如下：

1）对POI数据，GPS数据，公交数据针对于不同应用目的给出几点处理方法，采用相关处理过程后使其多源异构数据可以转化成一维数据表。

2）通过步骤1）得到的一维数据表可直接通过显露模式进行数据挖掘，得到数据中的差异性。

3）对结果进行分析，结合实际场景得到对应结果。

2 基于城市计算的显露模式分析方法

显露模式分析方法是发现两类数据中项集支持度显著变化的方法，本文用C类和非C类表示这两个类别。……