一种基于车辆轨迹分析构建通勤路径的方法技术

本发明专利技术公开了一种基于车辆轨迹分析构建通勤路径的方法，具体涉及道路交通领域，该方法包括：收集车辆的轨迹数据。筛选出轨迹数据中空间相似度大于预设阈值的轨迹集合，生成车辆轨迹空间聚类集合。同时，筛选出时间差小于预设阈值的轨迹集合，生成车辆轨迹时空聚类集合。当车辆轨迹时空聚类集合中任一个的轨迹数量＞预设阈值，则判定该行驶轨迹是由通勤车辆行驶产生的。则，将满足条件的轨迹作为候选通勤轨迹，且对其进行空间相似度和时间差进行筛选，得到车辆的通勤路径。通过本发明专利技术提供的方法可判断通勤车以及构建通勤路径，进而为相关部门开展工作提供借鉴意义。

A Method of Constructing Commuting Path Based on Vehicle Trajectory Analysis

【技术实现步骤摘要】
一种基于车辆轨迹分析构建通勤路径的方法
本专利技术涉及道路交通领域，具体为一种基于车辆轨迹分析构建通勤路径的方法。
技术介绍
通勤车是指不以盈利为目的，通常拥有固定的行驶时间和行驶路线的车辆。其主要功能是居民上下班或接送小孩。通过对通勤车的分析与判断，进而分析其通勤路径，宏观上可以获得城市的职住分布，对于城市交通规划、拥堵治理引导有借鉴作用；微观上通过对车辆通勤行为进行细粒度刻画，方便交警等管理部门对于车辆行为的深层了解，进而实现缉查布控以及失驾判断等等。与此同时，随着智慧交通的普及，卡口等设备广泛应用于城市交通中。基于卡口等设备的数据，已有相关方法可以构建全路网的车辆轨迹。然而，如何利用行驶车辆的轨迹数据，进行通勤车判断及通勤路径构建是一个亟需解决的问题。
技术实现思路
本专利技术提供了一种基于车辆轨迹分析构建通勤路径的方法，通过该方法可判断通勤车以及构建通勤路径，进而为相关部门开展工作提供借鉴意义。为实现上述目的，本专利技术提供如下技术方案：一种基于车辆轨迹分析构建通勤路径的方法，该通勤路径构建方法包括如下步骤：S01、收集车辆在时间段t内的轨迹数据，所述的轨迹数据经预处理后，组合得到每辆车的轨迹集合，记为set。S02、将得到的轨迹集合按照空间聚类算法进行分析，筛选出空间相似度大于空间相似度阈值threspace的轨迹集合，且合并后生成车辆轨迹空间聚类集合，记为：sets＝(set1,set2,...,setp)，其中，p是自然数，且p≥1。S03、对得到的车辆轨迹空间聚类集合按照时间聚类算法进行分析，筛选出车辆轨迹空间聚类集合中时间差小于时间相似度阈值thretime的轨迹集合，生成车辆轨迹时空聚类集合，记为：setst＝(set1,set2,...,setn)。S04、当seti中的轨迹数量＞threc，则判定该行驶轨迹是由通勤车辆行驶产生的；其中，seti是集合setst中任一一个元素，threc是预设的轨迹数量阈值；则，将满足条件的seti重新组合成通勤路径候选集合，记为setc。首先在空间上，计算轨迹集合seti中车辆经过交叉口的平均次数，将车辆经过的大于平均次数的交叉口提取出来，对于前后断开的交叉口利用路网数据进行补全。其次在时间上，选择出发时间和到达时间的中位数作为车辆最终的出发时间和到达时间。S05、在集合setc中，任意一个候选通勤轨迹setx基于空间相似度和时间差进行筛选，若：候选通勤轨迹setx的空间相似度大于所述的空间相似度阈值threspace，时间差小于所述的时间相似度阈值thretime；则，丢弃该候选通勤轨迹；不符合上述条件的候选通勤轨迹最终组合生成车辆的通勤路径集合，记为其中，startTime为出发时间，endTime为到达时间，path为路径。作为优选，在步骤S01中，所述轨迹数据包括车牌信息、时间信息以及空间信息。空间信息需要进行交叉口绑定，交叉口绑定规则如下：如果轨迹数据中的空间信息与交叉口绑定，则直接提取交叉口信息。若轨迹数据中的空间信息与路段绑定，则提取上游路段交叉口信息。若轨迹数据中的空间信息仅为经纬度，则计算该经纬度与各个交叉口之间的欧式距离，且提取距离最近的交叉口信息。作为优选，在步骤S01中，预处理方法为：S01a、将获得的轨迹数据经格式化后，获得初始轨迹集合，记为：setorigin＝(trace1,trace2,...,tracen)；其中，tracei表示集合setorigin中任意一个元素，记为：tracei＝(cari,startTimei,endTimei,pathi)；cari表示车辆的车牌号，startTimei表示车辆的出发时间，endTimei表示车辆的到达时间，pathi表示车辆的行驶路径，记为pathi＝(s1,s2,...,sn)，sn表示交叉口编号；S01b、将相同车牌号的轨迹元素提取出来，组合生成每辆车对应的轨迹集合。作为优选，在步骤S02中，空间聚类算法步骤为：S02a、提取每辆车的轨迹集合中的行驶路径元素，组合构成路径集合，记为：setpath＝(path1,path2,...,pathn)；则，空间相似度simpath的计算方法为：其中，pathi和pathj为任意两条行驶路径，|pathi∩pathj|表示轨迹中相同不重复的交叉口数量，|pathi∪pathj|表示轨迹中所有不重复的交叉口数量；S02b、将所有空间相似度大于空间相似度阈值threspace的轨迹聚为一类，得到车辆轨迹空间聚类集合。作为优选，时间聚类算法步骤为：S03a、在车辆轨迹空间聚类集合中，提取每辆车的轨迹集合中的出发时间元素，组合构成出发时间集合，记为：setstartTime＝(startTime1,startTime2,startTimen)；计算时间差startTimedis，startTimedis＝|startTimetransi-startTimetransj|，其中startTimetransi为任意i时刻的出发时间，startTimetransj为任意j时刻的出发时间，时间范围为0-24小时；因为一天只有24小时，即此处时间不是广义上日期+时刻(例如2019-04-0811:20)，仅仅是时刻(11:20)。S03b、将所有时间差小于时间相似度阈值thretime的轨迹聚为一类，得到车辆轨迹时空聚类集合。本专利技术的有益效果为：本专利技术利用轨迹分析，采用时间聚类和空间聚类的思想，判断出车辆是否为通勤车辆；对于研判出的通勤车辆，结合路网信息和时空相似度，构建最终的通勤路径。通勤车辆的研判与通勤路径的构建对于了解城市职住分布、车辆行驶规律具有有益作用。本专利技术具有易于实现、简单高效、参数配置灵活的特点，有利于工程化应用。附图说明图1为本实施例中一种基于车辆轨迹分析构建通勤路径的方法的流程示意图。具体实施方式本实施例提供了一种基于车辆轨迹分析构建通勤路径的方法，该方法包括了如下步骤：S01、收集默认30天的轨迹数据，识别轨迹数据的格式，提取车牌信息、时间信息以及空间信息。空间信息需要进行交叉口绑定，交叉口绑定规则如下：如果轨迹数据中的空间信息与交叉口绑定，则直接提取交叉口信息。若轨迹数据中的空间信息与路段绑定，则提取上游路段交叉口信息。若轨迹数据中的空间信息仅为经纬度，则计算该经纬度与各个交叉口之间的欧式距离，且提取距离最近的交叉口信息。最终，格式化轨迹数据后生成初始轨迹集合，setorigin＝(trace1,trace2,...,tracen)，其中tracei为轨迹点。例如A车牌中的某条轨迹信息如下表所示。车牌时间信息空间信息A2018-10-1211:00:00路段aA2018-10-1211:12:07路段bA2018-10-1211:19:15路段cA2018-10-1211:21:42路段dA2018-10-1211:30:00路段e此处空间信息为路段信息，则需要借助路网拓扑信息找到该路段的上游交叉口，例如路段a的上游交叉口为交叉口A。然后在时间上选取起点时间和终点时间信息，空间上将各个交叉口信息连接起来，最终构建轨迹信息。例如trace1＝(A车牌，2018-10-1211:00:00,2018-10-1111:30本文档来自技高网...

【技术保护点】
1.一种基于车辆轨迹分析构建通勤路径的方法，其特征在于，包括如下步骤：S01、收集车辆在时间段t内的轨迹数据，所述的轨迹数据经预处理后，组合得到每辆车的轨迹集合，记为set；S02、将得到的轨迹集合按照空间聚类算法进行分析，筛选出空间相似度大于空间相似度阈值threspace的轨迹集合，且合并后生成车辆轨迹空间聚类集合，记为：sets＝(set1,set2,...,setp)，其中，p是自然数，且p≥1；S03、对得到的车辆轨迹空间聚类集合按照时间聚类算法进行分析，筛选出车辆轨迹空间聚类集合中时间差小于时间相似度阈值thretime的轨迹集合，生成车辆轨迹时空聚类集合，记为：setst＝(set1,set2,...,setn)；S04、当seti中的轨迹数量＞threc，则判定该行驶轨迹是由通勤车辆行驶产生的；其中，seti是集合setst中任一一个元素，threc是预设的轨迹数量阈值；则，将满足条件的seti重新组合成通勤路径候选集合，记为setc；S05、在集合setc中，任意一个候选通勤轨迹setx基于空间相似度和时间差进行筛选，若：候选通勤轨迹setx的空间相似度大于所述的空间相似度阈值threspace，时间差小于所述的时间相似度阈值thretime；则，丢弃该候选通勤轨迹；不符合上述条件的候选通勤轨迹最终组合生成车辆的通勤路径集合，记为...

【技术特征摘要】
1.一种基于车辆轨迹分析构建通勤路径的方法，其特征在于，包括如下步骤：S01、收集车辆在时间段t内的轨迹数据，所述的轨迹数据经预处理后，组合得到每辆车的轨迹集合，记为set；S02、将得到的轨迹集合按照空间聚类算法进行分析，筛选出空间相似度大于空间相似度阈值threspace的轨迹集合，且合并后生成车辆轨迹空间聚类集合，记为：sets＝(set1,set2,...,setp)，其中，p是自然数，且p≥1；S03、对得到的车辆轨迹空间聚类集合按照时间聚类算法进行分析，筛选出车辆轨迹空间聚类集合中时间差小于时间相似度阈值thretime的轨迹集合，生成车辆轨迹时空聚类集合，记为：setst＝(set1,set2,...,setn)；S04、当seti中的轨迹数量＞threc，则判定该行驶轨迹是由通勤车辆行驶产生的；其中，seti是集合setst中任一一个元素，threc是预设的轨迹数量阈值；则，将满足条件的seti重新组合成通勤路径候选集合，记为setc；S05、在集合setc中，任意一个候选通勤轨迹setx基于空间相似度和时间差进行筛选，若：候选通勤轨迹setx的空间相似度大于所述的空间相似度阈值threspace，时间差小于所述的时间相似度阈值thretime；则，丢弃该候选通勤轨迹；不符合上述条件的候选通勤轨迹最终组合生成车辆的通勤路径集合，记为其中，startTime为出发时间，endTime为到达时间，path为路径。2.根据权利要求1所述的一种基于车辆轨迹分析构建通勤路径的方法，其特征在于，在步骤S01中，所述轨迹数据包括车牌信息、时间信息以及空间信息。3.根据权利要求1所述的一种基于车辆轨迹分析构建通勤路径的方法，其特征在于，在步骤S01中，预处理方法为：S01a、将获得的轨迹数据经格式化后，获得初始轨迹集合，记为：setorigin＝(trace1,trace2,...,tracen)；其中...

【专利技术属性】
技术研发人员：蒋萌青，夏莹杰，偶婧，
申请(专利权)人：杭州远眺科技有限公司，
类型：发明
国别省市：浙江,33