车流量特征提取方法及系统技术方案

本发明专利技术公开了车流量特征提取方法及系统，该方法包括以下步骤：S100，通过物联网抓取若干车辆的历史轨迹数据，基于预设规则获取出发点集合及结束点集合，提取出车辆的轨迹时间分布特征；S200，基于节点密度，根据所述历史轨迹数据分别确定单个车辆的若干关键点，合并生成关键点集合，以及，根据所述关键点集合得到轨迹热点区域特征；S300，根据所述轨迹时间分布特征及所述轨迹热点区域特征，确定车辆通行瓶颈节点区域及瓶颈时段。本发明专利技术可得出车辆通行瓶颈节点区域及时段，可提前通知驾驶员回避该时段或区域，交通管理部门可提前介入管理，防止拥堵加深；也为道路规划提供了有力的数据依据，避免了人力物力财力的浪费。

【技术实现步骤摘要】
车流量特征提取方法及系统
本专利技术涉及车辆智能管理
，特别涉及一种车流量特征提取方法及系统。
技术介绍
随着越来越多的车辆走入千家万户，路面行驶的车辆也越来越多，驾车途中很可能遭遇堵车、车流不畅等情况，给驾驶员及交通管理部门造成各种不便。此外，道路的改建及修建规划也需要获取车流量的特征来提供数据依据，从而避免财力物力浪费。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种车流量特征提取方法，能够有效提取车流量特征，为车辆通行及道路规划提供数据基础。本专利技术还提出一种具有上述车流量特征提取方法的车流量特征提取系统。本专利技术还提出一种具有上述车流量特征提取方法的计算机可读存储介质。根据本专利技术的第一方面实施例的车流量特征提取方法，包括以下步骤：S100，通过物联网抓取若干车辆的历史轨迹数据，基于预设规则获取出发点集合及结束点集合，提取出车辆的轨迹时间分布特征；S200，基于节点密度，根据所述历史轨迹数据分别确定单个车辆的若干关键点，合并生成关键点集合，以及，根据所述关键点集合得到轨迹热点区域特征；S300，根据所述轨迹时间分布特征及所述轨迹热点区域特征，确定车辆通行瓶颈节点区域及瓶颈时段。根据本专利技术实施例的车流量特征提取方法，至少具有如下有益效果：通过获取车辆的出发点及结束点，得出轨迹分布特征，根据节点密度得到轨迹热点区域特征，可得出车辆通行瓶颈节点区域及时段，可提前通知驾驶员回避该时段或区域，交通管理部门可提前介入管理，防止拥堵加深；也为道路规划提供了有力的数据依据，避免了人力物力财力的浪费。根据本专利技术的一些实施例，所述步骤S100包括：S110，获取单个车辆的所述历史轨迹数据，基于第一时间阈值清洗所述历史轨迹数据中未移动的轨迹点，并将所述历史轨迹数据划分为若干个行程；S120，若所述行程的起止时间大于等于第二时间阈值，则将所述行程的起点添加至所述出发点集合，以及，将所述行程的终点添加至所述结束点集合；S130，所有所述历史轨迹数据处理完成后，使用累计分布函数，从所述发点集合及所述结束点集合，提取出所述轨迹时间分布特征。根据本专利技术的一些实施例，所述步骤S110包括：S111，按时间顺序从单个车辆的所述历史轨迹数据的轨迹点中获取第一轨迹点及第二轨迹点；S112，若所述第一轨迹点的速度为0，判断所述第二轨迹点与所述第一轨迹点的位置是否相同；S113，若所述第二轨迹点与所述第一轨迹点的位置相同，则继续按时间顺序向后查找与所述第一轨迹点的位置不同的第三轨迹点；S114，清洗所述第二轨迹点，并判断所述第三轨迹点及所述第一轨迹点的时间差是否大于所述第一时间阈值；S115，若所述第三轨迹点及所述第一轨迹点的时间差大于所述第一时间阈值，则所述第一轨迹点为上一所述行程的终点，所述第三轨迹点为下一所述行程的起点。根据本专利技术的一些实施例，所述步骤S200包括：S210，获取单个车辆的所述历史轨迹数据，基于节点密度构建簇划分计算模型，根据所述历史轨迹数据得到第一簇集合；S220，清除所述第一簇集合中的节点数量少于第一数量的簇，获取所述第一簇集合中对应簇的所述关键点，合并至所述关键点集合，其中所述关键点与簇中另外的点的距离之和最小；S230，基于所述簇划分计算模型，根据所述关键点集合获取第二簇集合，得到所述轨迹热点区域特征。根据本专利技术的一些实施例，所述簇划分计算模型的计算方法包括：S241，根据第一地面邻域距离阈值，分别获取样本点的邻域子样本集合，得到第一邻域子样本集合，若所述第一邻域子样本集合的样本数量大于第一样本数，则合并所述样本点至核心对象集合Ω；S242，在所述核心对象集合Ω中随机获取轨迹点o，初始化轨迹队列Ωcur＝{o}，初始化当前样本簇Ck＝{o},更新未访问轨迹点集合Γ＝Γ-{o}；S243，从所述轨迹队列Ωcur中取出轨迹点o′，根据第一地面邻域距离阈值获取所述轨迹点o′的所述邻域子样本集合N∈(o′)，令Δ＝N∈(o′)∩Γ,更新Ck＝Ck∪Δ,更新Γ＝Γ-Δ,更新Ωcur＝Ωcur∪(Δ∩Ω)-o′，更新Ω＝Ω-Ck；S245，重复执行所述步骤S243，直至所述轨迹队列Ωcur为空；若所述轨迹队列Ωcur为空，则更新所述样本簇Ck至簇集合，并返回至所述步骤S242，直到所述核心对象集合Ω为空。根据本专利技术的一些实施例，还包括：基于评估模型，对所述第一地面邻域距离阈值及所述第一样本数进行评估，根据评估结果对所述轨迹热点区域特征进行迭代更新，其中所述评估模型为：其中S(i)表示样本i的评估值，ai为样本i到同簇其他样本的平均距离，bi为样本i到其他簇的平均距离的最小值。根据本专利技术的一些实施例，所述第一地面邻域距离阈值被配置为1000，所述第一样本数被配置为15。根据本专利技术的第二方面实施例的车流量特征提取系统，包括：轨迹数据获取模块，用于通过物联网抓取若干车辆的历史轨迹数据；时间分布特征提取模块，用于基于预设规则根据所述历史轨迹数据获取出发点集合及结束点集合，提取出车辆的轨迹时间分布特征；热点区域特征提取模块，用于基于节点密度，根据所述历史轨迹数据分别确定单个车辆的若干关键点，合并生成关键点集合，以及，根据所述关键点集合得到轨迹热点区域特征；瓶颈分析模块，用于根据所述轨迹时间分布特征及所述轨迹热点区域特征，确定车辆通行瓶颈节点区域及瓶颈时段。根据本专利技术实施例的车流量特征提取系统，至少具有同本专利技术第一方面的实施例同样的有益效果。根据本专利技术的一些实施例，所述热点区域特征提取模块包括：配置模块，用于配置第一地面邻域距离阈值及第一样本数，构建基于节点密度的簇划分计算模型；第一计算模块，用于基于所述簇划分计算模型，根据所述历史轨迹数据获取第一簇集合，清除所述第一簇集合中的节点数量少于第一数量的簇，获取所述第一簇集合中对应簇的关键点，合并至所述关键点集合，其中所述关键点与簇中另外的点的距离之和最小；第二计算模块，用于基于所述簇划分计算模型，根据所述关键点集合获取第二簇集合，得到所述轨迹热点区域特征；评估模块，用于基于评估模型，对所述第一地面邻域距离阈值及所述第一样本数的进行评估，获得评估结果，其中所述评估模型为：其中S(i)表示样本i的评估值，ai为样本i到同簇其他样本的平均距离，bi为样本i到其他簇的平均距离的最小值；迭代控制模块，用于根据基于所述评估结果，对所述轨迹热点区域特征进行迭代更新。根据本专利技术的第三方面实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术第一方面实施例的方法。根据本专利技术实施例的计算机存储介质，至少具有同本专利技术第一方面的实施例同样的有益效果。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例的方法的流程示意图；图2为本专利技术实施例本文档来自技高网...

【技术保护点】
1.一种车流量特征提取方法，其特征在于，包括以下步骤：/nS100，通过物联网抓取若干车辆的历史轨迹数据，基于预设规则获取出发点集合及结束点集合，提取出车辆的轨迹时间分布特征；/nS200，基于节点密度，根据所述历史轨迹数据分别确定单个车辆的若干关键点，合并生成关键点集合，以及，根据所述关键点集合得到轨迹热点区域特征；/nS300，根据所述轨迹时间分布特征及所述轨迹热点区域特征，确定车辆通行瓶颈节点区域及瓶颈时段。/n

【技术特征摘要】
1.一种车流量特征提取方法，其特征在于，包括以下步骤：
S100，通过物联网抓取若干车辆的历史轨迹数据，基于预设规则获取出发点集合及结束点集合，提取出车辆的轨迹时间分布特征；
S200，基于节点密度，根据所述历史轨迹数据分别确定单个车辆的若干关键点，合并生成关键点集合，以及，根据所述关键点集合得到轨迹热点区域特征；
S300，根据所述轨迹时间分布特征及所述轨迹热点区域特征，确定车辆通行瓶颈节点区域及瓶颈时段。


2.根据权利要求1所述的车流量特征提取方法，其特征在于，所述步骤S100包括：
S110，获取单个车辆的所述历史轨迹数据，基于第一时间阈值清洗所述历史轨迹数据中未移动的轨迹点，并将所述历史轨迹数据划分为若干个行程；
S120，若所述行程的起止时间大于等于第二时间阈值，则将所述行程的起点添加至所述出发点集合，以及，将所述行程的终点添加至所述结束点集合；
S130，所有所述历史轨迹数据处理完成后，使用累计分布函数，从所述发点集合及所述结束点集合，提取出所述轨迹时间分布特征。


3.根据权利要求2所述的车流量特征提取方法，其特征在于，所述步骤S110包括：
S111，按时间顺序从单个车辆的所述历史轨迹数据的轨迹点中获取第一轨迹点及第二轨迹点；
S112，若所述第一轨迹点的速度为0，判断所述第二轨迹点与所述第一轨迹点的位置是否相同；
S113，若所述第二轨迹点与所述第一轨迹点的位置相同，则继续按时间顺序向后查找与所述第一轨迹点的位置不同的第三轨迹点；
S114，清洗所述第二轨迹点，并判断所述第三轨迹点及所述第一轨迹点的时间差是否大于所述第一时间阈值；
S115，若所述第三轨迹点及所述第一轨迹点的时间差大于所述第一时间阈值，则所述第一轨迹点为上一所述行程的终点，所述第三轨迹点为下一所述行程的起点。


4.根据权利要求1所述的车流量特征提取方法，其特征在于，所述步骤S200包括：
S210，获取单个车辆的所述历史轨迹数据，基于节点密度构建簇划分计算模型，根据所述历史轨迹数据得到第一簇集合；
S220，清除所述第一簇集合中的节点数量少于第一数量的簇，获取所述第一簇集合中对应簇的所述关键点，合并至所述关键点集合，其中所述关键点与簇中另外的点的距离之和最小；
S230，基于所述簇划分计算模型，根据所述关键点集合获取第二簇集合，得到所述轨迹热点区域特征。


5.根据权利要求4所述的车流量特征提取方法，其特征在于，所述簇划分计算模型的计算方法包括：
S241，根据第一地面邻域距离阈值，分别获取样本点的邻域子样本集合，得到第一邻域子样本集合，若所述第一邻域子样本集合的样本数量大于第一样本数，则合并所述样本点至核心对象集合Ω；
S242，在所述核心对象集合Ω中随机获取轨迹点o，初始化轨迹队列Ωcur＝{o}，初始化当前样本簇Ck＝{o}...

【专利技术属性】
技术研发人员：宁磊，张润洲，孙瑞泽，潘晶，李发君，
申请(专利权)人：深圳技术大学，
类型：发明
国别省市：广东;44