个体出行目的地预测的方法技术

本发明专利技术提供一种个体出行目的地预测的方法，方法包括：对行车轨迹所对应的地理范围进行网格划分，并设置网格ID；对所述行车轨迹进行分段，获取多条子轨迹；匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集；预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型；依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值。本发明专利技术能够基于大量行车轨迹数据对驾驶员的出行意向进行定量分析，并预测下一个出行目的地，能够很好的被应用于出行路线的规划，或进行短时交通流的预测等。

【技术实现步骤摘要】
个体出行目的地预测的方法
本专利技术涉及交通领域，具体说的是个体出行目的地预测的方法。
技术介绍
旅行目的地和下一个路段是驾驶行为的关键，事关着人们出行的安全与便捷性。因此，如何从海量的交通轨迹数据中挖掘出驾驶员的出行意向、下一个路段等有价值的信息存在需求。
技术实现思路
本专利技术所要解决的技术问题是：提供一种个体出行目的地预测的方法，能够对个体出行意向进行预测。为了解决上述技术问题，本专利技术采用的技术方案为：一种个体出行目的地预测的方法，包括：依据一浮动车的行车数据获取对应的行车轨迹；对所述行车轨迹所对应的地理范围进行网格划分，并设置网格ID；依据预设时间差对所述行车轨迹进行分段，获取多条子轨迹；匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集；预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型；依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值。本专利技术的有益效果在于：提供一种以驾驶员的行车数据为基础，依据LDA主题模式进行分析处理而对车主的出行目的地进行预测的方法、以及实现该方法的计算机程序。本专利技术能够从大量行车轨迹数据中发现旅行事件行为主题模式，进而对驾驶员的出行意向进行定量分析，并预测下一个路段或者出行目的地，不仅能够很好的被应用于出行路线的规划，也能进行短时交通流的预测等。附图说明图1为本专利技术一种个体出行目的地预测的方法的流程示意图；图2为本专利技术实施例的流程示意图。具体实施方式为详细说明本专利技术的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。本专利技术最关键的构思在于：能够从大量行车轨迹数据中发现旅行事件行为主题模式，进而对驾驶员的出行意向进行定量分析，并预测下一个路段或者出行目的地。实施例请参照图1和图2，本实施例提供一种个体出行目的地预测的方法，能够实现基于驾驶员当前的行车数据对其出行意向进行预测。具体参阅图2，本实施例的方法包括以下步骤：S1：依据一浮动车的行车数据获取对应的行车轨迹；具体的，利用驾驶员所驾驶的浮动车上的车载信息终端在浮动车行驶过程中以一预设的固定时间周期T采集浮动车的行车数据后发送通过无线通信方式发送至后台数据平台。其中，所述行车数据包括车辆编号u，位置l，速度v，时间t；依据时间顺序采集得到行车数据序列，并将采集的行车数据序列通过移动蜂窝通信技术发送到后台数据中心。后台数据中心接收到一浮动车的行车数据后，对应该浮动车的基础信息(如车辆编号等与该浮动车唯一对应的标识信息)存储至数据库中。通过将不断采集得到的浮动车的行车数据存储至位于远端的后台数据中心，实现车载信息终端存储空间的优化，减轻其存储负担。当接收到对应该浮动车的下一行驶路段或出行目的地进行预测的请求时，可以由后台服务中心直接调用其数据库中对应该浮动车的数据进行分析处理，获取结果；当然，也可以由任意一终端发起该请求，并从后台服务中心获取浮动车的相关数据后，在终端本地进行分析处理后获取结果。预测过程的执行端的选择可依据不同使用场景进行灵活配置(如具备良好的网络状态支持时可选择后台执行、终端具备较高性能配置支持时可选择终端执行)，更好的满足实际需求。优选的，为了减轻终端本地的负担，同时充分利用后台资源，默认选择由后台服务中心作为预测过程的执行端。下面，将以后台数据中心对该浮动车的行车数据进行处理为例展开进行详细说明；若选择由终端在本地进行处理，则在终端从后台获取到行车数据后，将终端作为执行主体，通过同样的处理方式也能实现。后台数据中心获取请求发起者对应的浮动车的行车数据后，获取与其对应的行车轨迹，即将零散的行车数据依据时间先后顺序进行排序后，即可获取对应地理位置的行车轨迹。S2：对所述行车轨迹所对应的地理范围进行网格划分，并设置网格ID；后台数据中心依据行车轨迹确认该浮动车的活动地理范围，具体依据该行车轨迹记载的地理位置信息进行框定；然后对所确定的地理范围进行网格划分，并对每个网格设置对应的ID。其中，所划分的网格大小依据组成行车轨迹的每个具体轨迹点进行确定。由于每个轨迹点都记载有对应的地理位置信息，为了确保后续基于网格信息对行车轨迹的分析处理的精确度，优选使每个轨迹点能够对应一个网格的方式进行网格划分。因此，可以直接依据每个具体经纬度信息的地理坐标进行网格划分，优选所述网格大小为100m*100m，即每个网格对应一个确定经纬度信息的地理位置。优选的，直接依据每个网格对应的地理位置信息设置其ID。例如：获取到一车辆编号u为5205278的历史行车数据；依据该行车数据获取与其对应的行车轨迹；然后依据该行车轨迹确定其活动范围，即地理范围，优选选取大于该行车轨迹一定范围的地理范围；再然后对所确定的地理范围进行网格划分，并设置网格ID，建立与该行车轨迹对应的网格模型。具体的，网格间距为100米，提取行车轨迹的每个轨迹点的地理位置信息，即经纬度信息，组合确定该轨迹点对应的网格ID。如：福州市中心位置(119.300023754，26.080006881)，先设置经纬度精度为0.001，得到(119.300，26.080)，通过计算119.300*1000*100000+26.080*1000＝11930026080，得该位置的ID为：11930026080。在该步骤中，依据行车轨迹框定对应的地理范围后，只对该范围进行网格划分和设置网格ID，而不是将整个地图都进行网格划分，能够大大降低所要处理的数据量，仅针对有效数据进行分析处理，实现系统处理方式的优化，进而提升本实施例的方法的实现速度。S3：依据预设时间差对所述行车轨迹进行分段，获取多条子轨迹；具体的，可以根据相邻两个行车数据的时间差(如Δt>30min)作为分段依据，对整条轨迹数据进行分段，形成多条的子轨迹m。例如，行车数据1的时间信息为2015-07-1418:26:27，行车数据2的时间信息为2015-07-1418:26:37，两数据时间相减即可得到时间差10秒；然后根据相邻两数据的时间差大于30分钟(Δt>30min)作为分段依据，对整条轨迹数据进行分段，形成100个子轨迹。对行车轨迹进行分段的目的是为后续依据LDA主题模型对各条的子轨迹进行建模分析提供数据基础，即本实施例的计算，是针对驾驶员一定时间间隔内的多条子轨迹进行定量分析处理的结果，因此，所获取的计算结果能更好、更准确的体现驾驶员对应上述时间间隔内的出行意向，即能够实现更准确的预测。S4：匹配所述子轨迹的各个轨迹点与网格，获取各个子行车轨迹各自对应的网格ID集；通过将各条子轨迹的各个轨迹点依据其记载的地理位置信息匹配到已划分网格的地理范围中，从而获取各子轨迹各自对应的网格集，及网格ID集合。简单而言，即首先获取各条子轨迹各自对应的各个轨迹点；然后匹配所述各个轨迹点与网格；获取各条子轨迹各自对应的网格ID集；例如，依据其中一条子轨迹中的一个轨迹点对应其在行车数据记载的位置l(经纬度信息)为(119.300，26.080)，将该轨迹点匹配到划分网格了的地图范围中对应的位置上，然后获取该地图中该位置对应的网格ID。通过该步骤，实现各条的子轨迹的本文档来自技高网...

【技术保护点】
1.一种个体出行目的地预测的方法，其特征在于，包括：依据一浮动车的行车数据获取对应的行车轨迹；对所述行车轨迹所对应的地理范围进行网格划分，并设置网格ID；依据预设时间差对所述行车轨迹进行分段，获取多条子轨迹；匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集；预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型；依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值。

【技术特征摘要】
1.一种个体出行目的地预测的方法，其特征在于，包括：依据一浮动车的行车数据获取对应的行车轨迹；对所述行车轨迹所对应的地理范围进行网格划分，并设置网格ID；依据预设时间差对所述行车轨迹进行分段，获取多条子轨迹；匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集；预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对应的网格ID集进行建模分析，获取对应所述第一主题的第一预测模型；依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值。2.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述依据所述第一预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第一主题的概率值，具体为：对所述第一预测模型依据第一主题进行聚类分析，获取对应第二主题的第二预测模型；依据所述第二预测模型对所述一浮动车的当前行车数据进行计算，获取对应各个所述第二主题的概率值；推荐概率值最大的第二主题。3.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述匹配所述子轨迹的各个轨迹点与网格，获取与各所述子轨迹对应的网格ID集，具体为：获取各所述子轨迹对应的各个轨迹点；匹配所述各个轨迹点与网格；获取各子轨迹各自对应的网格ID集；依次遍历各子轨迹，使用线性插值法对当前遍历到的子轨迹的各个轨迹点进行逐一插值补充，获取与连续的网格对应的各优化子轨迹；获取各优化子轨迹对应的网格ID集。4.如权利要求1所述的个体出行目的地预测的方法，其特征在于，所述预设第一主题的个数，依据LDA主题模型对各所述子轨迹及其对...

【专利技术属性】
技术研发人员：廖律超，蔡祈钦，潘正祥，邹复民，刘洁锐，王国乾，钟伦贵，刘垣，张茂林，张美润，
申请(专利权)人：福建工程学院，
类型：发明
国别省市：福建,35