【技术实现步骤摘要】
本专利技术涉及一种未知步行设施位置确定方法,属于步行GPS轨迹的新路挖掘领域。
技术介绍
数据挖掘(Data Mining,DM)是目前人工智能和数据库领域研究的热点问题,所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息。数据挖掘是通过分析每个数据,从大量数据中寻找其规律的技术,主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集;规律寻找是用某种方法将数据集所含的规律找出来;规律表示是尽可能以用户可理解的方式(如可视化)将找出的规律表示出来。 基于车辆GPS轨迹的信息提取方法是数据挖掘的重要应用,出现了GPS导航,用户行为挖掘,用户交通模式挖掘,热点旅游位置推荐,探测城市交通异常等各种研究方向。有许多提取车辆GPS轨迹包含信息的方法,如模拟物理学中的引力和斥力对GPS轨迹进行优化处理,增量式地生成表达路网信息的曲线图(参考例文Cao L,Krumm J.From GPS trace to a routable road map[C].Proceeding of the17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems.2009:3-12.);利用图像 ...
【技术保护点】
一种未知步行设施位置确定方法,其特征在于,具体包括以下步骤:步骤1:采集一个区域的街道轨迹信息和行人行走轨迹信息,并进行预处理得到便于处理的道路轨迹数据和行人轨迹数据;步骤2:采用行程识别方法对行人轨迹数据进行分析,得到穿过街道的过街行人轨迹集合;步骤3:根据行人轨迹数据在街道上的分布将过街行人轨迹集合分解为多个轨迹子集;步骤4:对一个轨迹子集进行密集度分析,判断密集度是否大于预设阈值,如果大于,执行步骤5;否则,执行步骤6;步骤5:对所述轨迹子集进行密度聚类,得到密集子集,执行步骤7;步骤6:根据运动特征识别方法对所述轨迹子集进行分析,得到符合行人通过步行设施过街的运动特征的疏散子集,执行步骤7;步骤7:判断是否存在未进行密集度分析的轨迹子集,如果有,执行步骤4;否则,执行步骤8:步骤8:所有密集子集和所有疏散子集的并集为步行设施位置集合,结束。
【技术特征摘要】
1.一种未知步行设施位置确定方法,其特征在于,具体包括以下步骤:
步骤1:采集一个区域的街道轨迹信息和行人行走轨迹信息,并进行预
处理得到便于处理的道路轨迹数据和行人轨迹数据;
步骤2:采用行程识别方法对行人轨迹数据进行分析,得到穿过街道的
过街行人轨迹集合;
步骤3:根据行人轨迹数据在街道上的分布将过街行人轨迹集合分解为
多个轨迹子集;
步骤4:对一个轨迹子集进行密集度分析,判断密集度是否大于预设阈
值,如果大于,执行步骤5;否则,执行步骤6;
步骤5:对所述轨迹子集进行密度聚类,得到密集子集,执行步骤7;
步骤6:根据运动特征识别方法对所述轨迹子集进行分析,得到符合行
人通过步行设施过街的运动特征的疏散子集,执行步骤7;
步骤7:判断是否存在未进行密集度分析的轨迹子集,如果有,执行步
骤4;否则,执行步骤8:
步骤8:所有密集子集和所有疏散子集的并集为步行设施位置集合,结
束。
2.根据权利要求1所述的一种未知步行设施位置确定方法,其特征在于,
所述步骤2具体包括以下步骤:
步骤2.1:根据街道和行人轨迹数据得到步行GPS轨迹经纬度、道路GPS
轨迹经纬度的最大值和最小值,根据所述最大值和最小值,分别得到行人轨
迹数据构成的矩形和道路轨迹数据构成的矩形;
步骤2.2:对存在相交关系的矩形行人轨迹数据和道路轨迹数据,将此
道路轨迹数据定义为此行人轨迹的附近道路轨迹;
步骤2.3:判断行人轨迹数据中两个相邻轨迹点组成的线段与附近道路
轨迹的两个相邻轨迹点组成的线段是否相交,如果是,执行步骤2.5;否则,
执行步骤2.4;
步骤2.4:丢弃所述行人轨迹数据,执行步骤2.3;
步骤2.5:得到穿过街道的过街行人轨迹集合。
3.根据权利要求1或2所述的一种未知步行设施位置确定方法,其特征
在于,所述步骤6中行人通过步行设施过街的运动特征设定为:将行人穿过
道路时的方向与此处路段轨迹方向的夹角在90度左右的轨迹子集定义为疏
散子集。
4.根据权利要求1所述的一种...
【专利技术属性】
技术研发人员:聂春雪,金学波,施彦,
申请(专利权)人:北京工商大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。