一种利用移动通信数据识别交通工具类别的方法技术

本发明专利技术公开了一种利用移动通信数据识别交通工具类别的方法，步骤如下：获取原始的基站定位数据，并划分轨迹片段；基于轨迹片段之间的时空匹配度，计算轨迹片段之间的匹配关系，构建匹配关系的拓扑结构图；利用轨迹的特征、预先定义的规则集以及匹配关系的拓扑结构图识别出轨迹片段所对应的交通工具类别。本发明专利技术无需安装额外的传感器和视频监控设备，不依赖车辆的各类参数信息，仅利用基站地址信息，从中提取出用户的移动轨迹，采用一系列预定义的规则，即可较为准确地识别交通工具的类别。本发明专利技术具有计算量小，识别效率高以及充分利用现有基站设备的优势。

【技术实现步骤摘要】
一种利用移动通信数据识别交通工具类别的方法
本专利技术涉及计算机
，具体涉及一种利用移动通信数据识别交通工具类别的方法。
技术介绍
交通是一座城市乃至一个国家的命脉。得益于国民经济的增长以及科学技术的革新进步，人们的出行方式日渐丰富，“智能交通”的概念也应运而生。交通工具类别的识别，是“智能交通”中的一个重要课题，对于道路交通的部署和优化，有着深远的指导意义。目前主流的交通工具识别技术，主要有传感器技术和数字图像处理技术两大类。传感器技术即在道路上设置传感器以采集和记录交通工具的速度，重量，体积等信息，从而识别交通工具的类别，这类方法需要铺设大量的设备，前期建设与后期维护的成本较高，难以实现全面覆盖；数字图像处理技术，则利用监控摄像装置拍摄到的车辆的图像，提取其中的车辆标志，车辆形状等特征，对交通工具的类别作出判断，然而，这种方法对拍摄到的图像质量有较高的要求，若拍摄的画面分辨率较低，或是在雨雪雾天等恶劣天气条件下，识别的准确率会大幅下降。专利CN104835320A公开了一种基于移动通信数据的交通流估算方法，其通过筛选出指定路段的基站地址序列，计算相邻蜂窝中用户数量差值绝对值的加权平均值，以估算某一时间段内的交通流量。但是，目前尚未有一种基于移动通信数据对用户所乘坐的交通工具类别进行判断的有效方法。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷，提供一种利用移动通信数据识别交通工具类别的方法，该方法基于移动设备与基站通信时产生的状态信息，通过移动设备在不同时间所处的基站位置的变化，形成一系列轨迹片段，对这些轨迹片段进行特征提取，利用提取出的特征识别出轨迹片段的交通工具类别。本专利技术的目的可以通过采取如下技术方案达到：一种利用移动通信数据识别交通工具类别的方法，包含以下步骤：步骤S1、获取原始数据。从蜂窝式移动通信网络的通信数据中获取移动设备用户所在基站的状态信息数据，记作时空点四元组集合A＝<userID,timestamp,longitude,latitude>,其中userID表示能够区分不同用户的信息字段(如移动设备ID、网卡mac地址或手机号码)，timestamp为时间戳，即该位置信息产生的时间点，longitude与latitude分别表示基站的经度和纬度，记用户总数为Nu。步骤S2、从用户的时空点序列中划分轨迹片段。利用步骤S1中获取的数据，得到各个移动用户所历经的时空点序列，通过计算用户在各个位置的停留时间长度，判断出用户每次移动的起点与终点。用户在某一时间段内，进行一次移动所产生的时空点序列，即为一条轨迹片段。如此可将一个用户的所有时空点序列，划分为一系列轨迹片段。步骤S2的具体实施方法如下：步骤S201、在步骤S1所提取到的时空四元组集合中，将相同userID的记录构成该用户的轨迹时空点序列，记作ai,j＝<userIDi,timestampi,j,longitudei,j,latitudei,j>。步骤S202、将每一用户的数据点按照timestamp升序排列，得到按时间变化的数据点序列，记为步骤S203、剔除步骤S202每一用户的序列Si中的异常点，将Si更新为：步骤S204、将经过步骤S203处理后的每一用户的全体时空序列点Qi，分割成一系列轨迹片段。步骤S205、将步骤S204得到的所有用户的轨迹片段进行汇总，记作其中nti表示用户i的轨迹总数，表示用户i的第η条轨迹片段。步骤S3、计算步骤S2中的不同用户轨迹片段之间的匹配关系，并构建匹配关系的拓扑结构图。步骤S3的具体实施步骤如下：步骤S301、对每一个满足(其中×表示集合的笛卡尔积),的轨迹片段对计算其时空匹配度若(Mb为预先设定的匹配度的阈值，其值应当接近于1)，则轨迹片段匹配轨迹片段记为若则轨迹片段存在一个子片段，与轨迹片段与在时间与空间上高度匹配，可以认为用户q在该段时间内与用户p乘坐同一辆交通工具。若则说明轨迹片段不匹配轨迹片段记为至此，得出匹配关系。步骤S302、构建全体轨迹片段间，匹配关系的拓扑结构图。匹配关系的拓扑结构图记为G＝{V,E}，V为顶点的集合，全体轨迹片段集合Πall与图顶点集合V为一一对应关系，将轨迹片段在图中所对应的顶点记为为图中有向边的集合表示从顶点指向顶点的边)。步骤S4、定义轨迹片段的各类属性特征以及基于这些判别交通工具类别的规则集，用于识别交通工具的类别。其中，轨迹片段的各类属性特征如下：额定行驶速度，即交通工具正常行驶时所能达到的速度，记为额定行驶加速度，即交通工具正常行驶中加、减速时，所能达到的加速度，记为位移，即轨迹片段起点到终点的直接距离，记为标准速度与标准加速度，即交通工具所能达到的速度与加速度；行驶路程，记为聚集系数，即轨迹片段在同一时间段乘坐同一交通工具的人数，记为频数，即该用户存在历经相似位置的轨迹片段数量，记为步骤S5、按以下方法识别所有轨迹片段的交通工具类别：从交通工具类别未知的轨迹片段中，按一定规则寻找出一条匹配轨迹数较多的轨迹片段，运用步骤S4中的规则集识别该驾驶人轨迹片段的交通工具类别；之后利用步骤S3中构建的拓扑结构图，寻找出该轨迹片段匹配的所有轨迹片段，并将它们的交通工具类别标记为与该轨迹片段相同的类别；之后再从交通工具类别未知的轨迹片段中，按规则寻找出驾驶人轨迹片段，如此循环往复，直至所有轨迹片段的交通工具类别均已识别完成。步骤S5的具体实施步骤如下：步骤S501、令kS5＝1；步骤S502、按照一定的规则，从交通工具类别未知的轨迹片段中，选取一条匹配轨迹数较多的轨迹片段步骤S503、利用步骤S4中构建的规则集，识别的交通工具类别；步骤S504、记匹配的轨迹片段集合为其中，E为图G的边集，将中，所有轨迹片段的交通工具类别标记为与相同的类别；步骤S505、令从图G的顶点集合V中删去集合中所有轨迹片段所对应的顶点，并从图G的边集E中，删去所有包含有被删去的顶点的边；步骤S506、若图G中的顶点数大于0，则依然存在交通工具类别未知的轨迹片段，令kS5＝1，转步骤S502；若顶点数等于0，则所有轨迹片段的交通工具类别均已确定，整个识别过程全部完成。进一步地，所述的步骤S203中，剔除异常点的具体过程如下：计算相邻两点ai,j到ai,j+1间的用户移动速度判断该速度是否大于预先设定的阈值vmax，若否，则保留点aij；若是，则从序列中删除点ai,j+1并更新j＝j+1,重复该步骤至j＝n结束。由此将Si更新为：进一步地，所述的步骤S204中，将每一用户的全体时空序列点Qi，分割成一系列轨迹片段的具体步骤为：步骤S20401、令kS204＝1,J＝1步骤S20402、创建新的轨迹片段序列记为当前轨迹片段的起点；步骤S20403、计算数据点与的时间差判断是否大于预先设定的阈值Tborder，若是，则为当前的轨迹片段的终点，相应地，为下一条轨迹片段的起点，令kS204＝kS204+1,J＝J+1，转步骤S20402；若否，则在现有轨迹片段LJ的末尾添加点转步骤S20404；步骤S20404、若kS204＝mi-1，则结束执行，否则令kS204＝kS204+1，转步骤S20403。进一步地本文档来自技高网...

【技术保护点】
1.一种利用移动通信数据识别交通工具类别的方法，其特征在于，所述的方法包括下列步骤：S1、获取原始数据，从蜂窝式移动通信网络的通信数据中获取移动设备用户所在基站的状态信息数据，记作时空点四元组集合A＝

【技术特征摘要】
1.一种利用移动通信数据识别交通工具类别的方法，其特征在于，所述的方法包括下列步骤：S1、获取原始数据，从蜂窝式移动通信网络的通信数据中获取移动设备用户所在基站的状态信息数据，记作时空点四元组集合A＝<userID,timestamp,longitude,latitude>,其中userID表示能够区分不同用户的信息字段，timestamp为时间戳，即该位置信息产生的时间点，longitude与latitude分别表示基站的经度和纬度，记用户总数为Nu；S2、从用户的时空点序列中划分轨迹片段，利用步骤S1中获取的数据，得到各个移动用户所历经的时空点序列，通过计算用户在各个位置的停留时间长度，判断出用户每次移动的起点与终点，用户在某一时间段内，进行一次移动所产生的时空点序列，即为一条轨迹片段，如此重复，将一个用户的所有时空点序列，划分为一系列轨迹片段；步骤S2过程如下：S201、在步骤S1所提取到的时空四元组集合中，将相同userID的记录构成该用户的轨迹时空点序列，记作ai,j＝<userIDi,timestampi,j,longitudei,j,latitudei,j>；S202、将每一用户的数据点按照timestamp升序排列，得到按时间变化的数据点序列，记为S203、剔除步骤S202每一用户的序列Si中的异常点，将Si更新为：S204、将经过步骤S203处理后的每一用户的全体时空序列点Qi，分割成一系列轨迹片段；S205、将步骤S204得到的所有用户的轨迹片段进行汇总，记作其中nti表示用户i的轨迹总数，表示用户i的第η条轨迹片段；S3、计算步骤S2中的不同用户轨迹片段之间的匹配关系，并构建匹配关系的拓扑结构图；步骤S3过程如下：S301、对每一个满足的轨迹片段对计算其时空匹配度其中×表示集合的笛卡尔积，若Mb为预先设定的匹配度的阈值，其值接近于1，则轨迹片段匹配轨迹片段记为若则轨迹片段存在一个子片段，与轨迹片段与在时间与空间上高度匹配，认为用户q在该段时间内与用户p乘坐同一辆交通工具，若则说明轨迹片段不匹配轨迹片段记为S302、构建全体轨迹片段间，匹配关系的拓扑结构图，记为G＝{V,E}，V为顶点的集合，全体轨迹片段集合Πall与图顶点集合V为一一对应关系，将轨迹片段在拓扑结构图中所对应的顶点记为为拓扑结构图中有向边的集合,表示从顶点指向顶点的边；S4、定义轨迹片段的各类属性特征以及基于判别交通工具类别的规则集，用于识别交通工具的类别；其中，轨迹片段的各类属性特征如下：额定行驶速度，即交通工具正常行驶时所能达到的速度，记为额定行驶加速度，即交通工具正常行驶中加、减速时，所能达到的加速度，记为位移，即轨迹片段起点到终点的直接距离，记为标准速度与标准加速度，即交通工具所能达到的速度与加速度；行驶路程，记为聚集系数，即轨迹片段在同一时间段乘坐同一交通工具的人数，记为频数，即该用户存在历经相似位置的轨迹片段数量，记为S5、按以下步骤识别所有轨迹片段的交通工具类别：S501、令kS5＝1；S502、按照一定的规则，从交通工具类别未知的轨迹片段中，选取一条匹配轨迹数较多的轨迹片段S503、利用步骤S4中构建的规则集，识别的交通工具类别；S504、记匹配的轨迹片段集合为其中，E为图G的边集，将中，所有轨迹片段的交通工具类别标记为与相同的类别；S505、令从图G的顶点集合V中删去集合中所有轨迹片段所对应的顶点，并从图G的边集E中，删去所有包含有被删去的顶点的边；S506、若图G中的顶点数大于0，则依然存在交通工具类别未知的轨迹片段，令kS5＝1，转步骤S502；若顶点数等于0，则所有轨迹片段的交通工具类别均已确定，整个识别过程全部完成。2.根据权利要求1所述的一种利用移动通信数据识别交通工具类别的方法，其特征在于，所述的步骤S203中，剔除异常点的过程如下：计算相邻两点ai,j到ai,j+1间的用户移动速度其中，dist(·,·)表示两个时空点基站之间的距离。判断该速度是否大于预先设定的阈值vmax，若否，则保留点aij；若是，则从序列中删除点ai,j+1并更新j＝j+1，重复以上过程至j＝n结束，由此将Si更新为：3.根据权利要求1所述的一种利用移动通信数据识别交通工具类别的方法，其特征在于，所述的步骤S204中，将每一用户的全体时空序列点Qi，分割成一系列轨迹片段的过程如下：S20401、令kS204＝1,J＝1；S20402、创建新的轨迹片段序列记为当前轨迹片段的起点；S20403、计算数据点与的时间差判断是否大于预先设定的阈值Tborder，若是，则为当前的轨迹片段的终点，相应地，为下一条轨迹片段的起点，令kS204＝kS204+1,J＝J+1，转步骤S20402；若否，则在现有轨迹片段LJ的末尾添加点转步骤S20404；S20404、若kS204＝mi-1，则结束...

【专利技术属性】
技术研发人员：杨灿，张凌，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44