本發(fā)明屬于數(shù)據(jù)處理，具體涉及一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法。

背景技術(shù)：

1、隨著社會經(jīng)濟的發(fā)展與健康理念的普及，人們越來越關(guān)注通過運動改善身體狀況和提升生活質(zhì)量。作為一種對年齡、性別、身體條件、技能水平等要求較低的運動形式，慢跑逐漸成為大眾的首選健身方式之一。與此同時，國家大力推進基礎(chǔ)設(shè)施建設(shè)，各大城市新建大量的健身運動場所。這些場所雖然在一定程度上滿足居民的運動需求，但在適應(yīng)個性化慢跑需求方面仍存在不足。因此，街道作為一種天然的開放式運動空間，成為許多人進行慢跑活動的首選場所。

2、現(xiàn)有研究表明，街道建成環(huán)境特征(如綠視率、天空開闊率等)對慢跑頻次與路徑選擇有顯著影響。然而，對于影響慢跑行為的具體指標(biāo)的選擇，未考慮主觀感知，仍存在優(yōu)化空間。且目前對影響慢跑行為的指標(biāo)選擇尚未形成科學(xué)的標(biāo)準(zhǔn)，對于各類因素的權(quán)重分析和作用機制研究仍不夠深入。此外，傳統(tǒng)的路徑推薦方法通?；趩我痪S度分析，忽略了環(huán)境特征與慢跑需求之間的復(fù)雜關(guān)系，導(dǎo)致推薦結(jié)果缺乏個性化與適用性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，克服了現(xiàn)有技術(shù)的不足，通過整合多源數(shù)據(jù)，包括運動軌跡數(shù)據(jù)、街景圖像、建成環(huán)境和感知評分等，利用隨機森林模型深入探究城市街道慢跑能力的關(guān)鍵影響因素及其內(nèi)在機制，揭示各特征對慢跑能力的非線性關(guān)系，為科學(xué)評估街道慢跑適宜性提供技術(shù)支持。

2、為解決上述問題，本發(fā)明所采取的技術(shù)方案如下：

3、一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，具體包括以下步驟：

4、s1、數(shù)據(jù)預(yù)處理：獲取完整的路網(wǎng)信息，并對其進行數(shù)據(jù)清理和優(yōu)化；

5、s2、計算慢跑頻次：將運動軌跡數(shù)據(jù)疊加到清理后的路網(wǎng)數(shù)據(jù)上，捕捉軌跡數(shù)據(jù)在每條道路段的分布情況，計算慢跑頻次；

6、s3、多源數(shù)據(jù)提?。悍謩e提取主客觀環(huán)境相關(guān)特征；

7、s4、構(gòu)建模型：建立隨機森林回歸模型，通過網(wǎng)格搜索和交叉驗證，對隨機森林回歸模型的關(guān)鍵參數(shù)進行優(yōu)化；

8、s5、模型結(jié)果分析：利用基于隨機森林回歸模型的特征重要性分析和部分依賴圖分析，探究特征與慢跑頻次之間的非線性關(guān)系，以及獲取各特征的閾值；

9、s6、構(gòu)建慢跑指數(shù)：根據(jù)特征重要性評分，為各指標(biāo)設(shè)置權(quán)重，結(jié)合非線性分析中提取的特征閾值，優(yōu)化指數(shù)構(gòu)成，構(gòu)建用于評估城市街道的慢跑能力的慢跑指數(shù)。

10、進一步，s2中所述慢跑頻次的表達式為：

11、

12、其中，fr為道路段的運動頻次，表示該道路在研究日內(nèi)的總軌跡計數(shù)；n表示研究區(qū)域內(nèi)在當(dāng)天記錄的軌跡總數(shù)量；

13、δi表示指示函數(shù)，在每條道路內(nèi)設(shè)置50米的緩沖區(qū)，δi用于判斷軌跡i是否位于道路段的緩沖區(qū)內(nèi)；若軌跡i位于該緩沖區(qū)內(nèi)，δi＝1；否則，δi＝0。

14、進一步，s3中所述主客觀環(huán)境相關(guān)特征包括道路可達性、道路長度、土地利用混合度、人口密度、綠視率、天空視域、建筑視域以及主觀感知評分。

15、進一步，s4中所述建立隨機森林回歸模型的具體步驟包括：

16、(1)對訓(xùn)練數(shù)據(jù)集進行抽樣，構(gòu)建若干個子數(shù)據(jù)集，并在每個子數(shù)據(jù)集上訓(xùn)練一棵決策樹；

17、(2)每棵決策樹在節(jié)點分裂時隨機選擇個特征，降低特征間的相關(guān)性，增強模型的穩(wěn)定性；

18、(3)隨機森林的最終輸出值為所有決策樹預(yù)測值的平均值，具體公式如下：

19、

20、式中：為預(yù)測結(jié)果即慢跑頻次；tb(x)為第b棵樹對主觀和客觀特征x的預(yù)測值；b表示森林中決策樹的數(shù)量。

21、(4)通過網(wǎng)格搜索和交叉驗證，對隨機森林回歸模型的關(guān)鍵參數(shù)進行優(yōu)化。

22、進一步，所述隨機森林回歸模型利用擬合優(yōu)度和均方根誤差檢驗?zāi)Ｐ托阅?，具體表達式為：

23、

24、其中，n為樣本容量；yi因變量的真實值；因變量的預(yù)測值；因變量預(yù)測值的平均值。

25、進一步，s6中所述慢跑指數(shù)的具體公式為：

26、

27、其中，i表示慢跑指數(shù),wj為每個變量xj的權(quán)重，是誤差項；fj(xj)是針對每個變量xj設(shè)定的非線性函數(shù)。

28、進一步，所述fj(xj)的表達式為：

29、

30、其中，k和x0是根據(jù)數(shù)據(jù)擬合得出的參數(shù)，調(diào)整sigmoid函數(shù)的形狀和位置。

31、本發(fā)明與現(xiàn)有技術(shù)相比較，具有以下有益效果：

32、1、本發(fā)明在傳統(tǒng)的建成環(huán)境分析基礎(chǔ)上，進一步引入了對主觀感受的量化分析，綜合考慮客觀環(huán)境特征與人的主觀感知，使自變量種類更加全面，提高了分析的科學(xué)性與適用性。

33、2、本發(fā)明采用隨機森林模型，能夠有效捕捉特征與慢跑頻次之間的非線性關(guān)系，并量化各變量的重要性和閾值。這種方法顯著優(yōu)于傳統(tǒng)的多元線性回歸模型，在處理復(fù)雜數(shù)據(jù)關(guān)系和多維特征時表現(xiàn)更為優(yōu)越。

34、3、本發(fā)明根據(jù)特征重要性分析結(jié)果，為各指標(biāo)設(shè)置權(quán)重，同時結(jié)合變量的閾值，構(gòu)建了更為科學(xué)合理的慢跑指數(shù)，用于量化城市街道的慢跑適宜性。與傳統(tǒng)指數(shù)構(gòu)建方法相比，本發(fā)明的慢跑指數(shù)更加精準(zhǔn)、直觀，為慢跑者提供了可信賴的道路選擇參考。

35、4、本發(fā)明通過構(gòu)建慢跑指數(shù)，為慢跑者提供了量化的、個性化的慢跑道路選擇參考，幫助其基于科學(xué)數(shù)據(jù)選擇最優(yōu)路徑，從而提升慢跑體驗。同時，本發(fā)明的研究成果還可間接為城市街道規(guī)劃者優(yōu)化慢跑環(huán)境提供數(shù)據(jù)支持。

技術(shù)特征：

1.一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：s2中所述慢跑頻次的表達式為：

3.根據(jù)權(quán)利要求1所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：s3中所述主客觀環(huán)境相關(guān)特征包括道路可達性、道路長度、土地利用混合度、人口密度、綠視率、天空視域、建筑視域以及主觀感知評分。

4.根據(jù)權(quán)利要求1所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：s4中所述建立隨機森林回歸模型的具體步驟包括：

5.根據(jù)權(quán)利要求4所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：所述隨機森林回歸模型利用擬合優(yōu)度和均方根誤差檢驗?zāi)Ｐ托阅埽唧w表達式為：

6.根據(jù)權(quán)利要求1所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：s6中所述慢跑指數(shù)的具體公式為：

7.根據(jù)權(quán)利要求6所述的一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，其特征在于：所述fj(xj)的表達式為：

技術(shù)總結(jié)
本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種用于慢跑指數(shù)構(gòu)建的多源數(shù)據(jù)分析與評估方法，具體包括以下步驟：獲取完整的路網(wǎng)信息，并對其進行數(shù)據(jù)清理和優(yōu)化；將運動軌跡數(shù)據(jù)疊加到清理后的路網(wǎng)數(shù)據(jù)上，捕捉軌跡數(shù)據(jù)在每條道路段的分布情況，計算慢跑頻次；分別提取主客觀環(huán)境相關(guān)特征；建立隨機森林回歸模型，對隨機森林回歸模型的關(guān)鍵參數(shù)進行優(yōu)化，探究特征與慢跑頻次之間的非線性關(guān)系，以及獲取各特征的閾值；構(gòu)建用于評估城市街道的慢跑能力的慢跑指數(shù)?？朔爽F(xiàn)有技術(shù)的不足，通過整合多源數(shù)據(jù)，利用隨機森林模型深入探究城市街道慢跑能力的關(guān)鍵影響因素及其內(nèi)在機制，為科學(xué)評估街道慢跑適宜性提供技術(shù)支持。

技術(shù)研發(fā)人員：王曉全,韓佳鑫,張云龍,李程華,馬家樂
受保護的技術(shù)使用者：河海大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15