一种基于卡口数据的车辆行为相似度计算方法技术

本发明专利技术提供一种基于卡口数据的车辆行为相似度计算方法，首先收集移动对象通过各卡口的数据信息并建立数据库，然后在数据库中检索A、B车辆的卡口数据以形成两车的原始轨迹，对原始轨迹进行清洗和切割进而得到关于A、B车辆子轨迹的集合，然后根据LCSS算法对两个集合中的子轨迹进行两两比对，通过计算得到任意两条子轨迹间的最长公共子序列以及两车经过最长公共子序列中相邻卡口的时间差，得到两条子轨迹间的相似度，最后利用所有相似度数据进行多轨迹相似度计算，所得结果视为两车间的行为相似度。本发明专利技术在计算中引入了时间影响因子，所得结果更加精确且适用范围更广，同时还将轨迹相似度结果用于对车辆行为相似程度的判断。

【技术实现步骤摘要】
一种基于卡口数据的车辆行为相似度计算方法
本专利技术涉及移动对象的数据处理与分析
，具体地，涉及一种基于卡口数据的车辆行为相似度计算方法。
技术介绍
近年来，由于大数据监测系统的不断发展完善以及实际应用需求的逐年增加，针对移动对象轨迹数据的分析工作引起了越来越多的关注。轨迹数据实质上就是大量的轨迹点，而每一个轨迹点至少包括以下信息：对象、位置和时间；如果把同一对象在连续时间内的所有空间位置收集起来并标明，即可得到一条时空轨迹。目前，国内各大城市已建成了比较健全的信息化基础设施，为轨迹数据的收集和利用提供了海量数据资源和信息平台。随着各种各样轨迹数据的公开，众多学者开始将目光转向从轨迹数据中发掘有价值的信息，其中轨迹相似度的研究已经成为热点之一，其研究成果主要应用于轨迹聚类、路径模型、异常轨迹检测等方面，在道路交通监控和配合警方打击犯罪方面取得了很好的成效。在现有技术中，最常用的轨迹相似度计算方法包括欧式距离算法、Hausdorff距离算法、最长公共子序列算法、动态时间规整算法等。由于数据采集点均设置于卡口，位置特殊，因此通常采用最长公共子序列算法，但由于该算法中仅仅引入了空间容本文档来自技高网...

【技术保护点】
1.一种基于卡口数据的车辆行为相似度计算方法，其特征在于，包括如下步骤：步骤1)：通过设置在各个卡口的数据采集装置获得移动对象通过卡口时的数据信息，对上述数据信息进行整合保存以形成数据库；步骤2)：根据A车辆的HPHM信息对数据库进行查询，得到若干个关于A车辆的卡口数据信息即轨迹点，将这些轨迹点按照时间顺序进行排序得到A车辆的原始轨迹；步骤3)：对A车辆的原始轨迹进行清洗，对于在一定时间T内连续出现的相同卡口数据，过滤掉多余的重复数据；步骤4)：将清洗后的轨迹分割成多段子轨迹，形成关于A车辆的n段子轨迹的集合；步骤5)：针对B车辆重复上述步骤2)、步骤3)和步骤4)，形成关于B车辆的m段子轨迹...

【技术特征摘要】
1.一种基于卡口数据的车辆行为相似度计算方法，其特征在于，包括如下步骤：步骤1)：通过设置在各个卡口的数据采集装置获得移动对象通过卡口时的数据信息，对上述数据信息进行整合保存以形成数据库；步骤2)：根据A车辆的HPHM信息对数据库进行查询，得到若干个关于A车辆的卡口数据信息即轨迹点，将这些轨迹点按照时间顺序进行排序得到A车辆的原始轨迹；步骤3)：对A车辆的原始轨迹进行清洗，对于在一定时间T内连续出现的相同卡口数据，过滤掉多余的重复数据；步骤4)：将清洗后的轨迹分割成多段子轨迹，形成关于A车辆的n段子轨迹的集合；步骤5)：针对B车辆重复上述步骤2)、步骤3)和步骤4)，形成关于B车辆的m段子轨迹的集合；步骤6)：对A、B车辆进行轨迹相似度计算，首先在两个集合中各取一条子轨迹，即TRA＝{＜pa1,ta1＞,＜pa2,ta2＞,...,＜pan,tan＞}(1)TRB＝{＜pb1,tb1＞,＜pb2,tb2＞,...,＜pbm,tbm＞}(2)其中，p代表车辆经过的某个卡口，t代表车辆通过p卡口的相应时刻且有tn-1＜tn以及tm-1＜tm，根据LCSS算法得到上述两个子轨迹间的最长公共子序列，即LC(TRA,TRB)＝{＜pi,ti＞,＜pj,tj＞,...,＜pk,tk＞}(3)然后计算分别得到A、B车辆经过最长公共子序列中相邻两卡口所需时间的集合，即ΔTA＝{＜taj-tai＞,...,＜tak-taj＞}(4)ΔTB＝{＜tbj-tbi＞,...,＜tbk-tbj＞}(5)其中，Δt＝ti-tj(1＜i，j＜n，j＜m，i＜j)，进而再分别得到A、B车辆经过最长公共子序列中相同相邻卡口所需时间差值的绝对值的集合，即ΔC＝{|Δtb1-Δta1|,|Δtb2-Δta2|,...|Δtbk-Δtak|}(6)ΔC＝{Δc1,Δc2,...,Δcn}计算时间影响因子，即根据上述公式计算两条子轨迹间...

【专利技术属性】
技术研发人员：张祖平，赵婧，龙哲，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43