一种基于卡口检测数据的个体级OD小区推断方法技术

本发明专利技术公开了一种基于卡口检测数据的个体级OD小区推断方法，包括以下步骤：S1：根据城市路网拓扑将城市划分为若干交通小区；S2：根据车辆在交通小区的行驶得到车辆通过路段信息表；S3：整合出车辆在设定时间段内的出行链，对车辆出行链进行单次出行划分得到车辆出行记录表；S4：定义交通小区的邻域路段，并求解出城市路网所有路段与其对应的邻域路段字典；S5：通过出行者个体空间聚类算法得到不同车辆出行OD路段簇中心与簇中包含路段对应关系字典；S6：利用城市路网所有路段与其对应的邻域路段字典和不同车辆出行OD路段簇中心与簇中包含路段对应关系字典推断得到个体OD小区。本发明专利技术充分考虑出行个体的差异，适用性广、通用性强。性强。性强。

【技术实现步骤摘要】
一种基于卡口检测数据的个体级OD小区推断方法


[0001]本专利技术涉及智能交通
，更具体地，涉及一种基于卡口检测数据的个体级OD小区推断方法。

技术介绍

[0002]在研究城市出行活动时，交通小区是一个重要的概念，在分析出行者出行的目的或性质、研究城市不同区域的使用模式等方面扮演着重要的作用。城市交通小区划分的方式和定义并不唯一，通用且合理的划分方式为区域分割法，即将不同路段包围的最小的封闭区域定义为一个小区，因此路网的拓扑结构将整个城市划分为多个交通小区。
[0003]当车辆在城市路网上活动时，布设的电子卡口(I
‑
AVI)能够检测出行者个体在路网节点上的出现，反映出行者在不同路段上的离开和到达，从而可以通过轨迹重构得到出行者连续的出行轨迹，进行单次出行的划分，得到个体的连续出行记录。因为无法通过电子卡口检测数据直接得到出行者在交通小区的进出情况，重构得到的出行记录的OD是路段级，因此就要设计一种方法，使得个体每次出行的OD能够从路段映射为交通小区，来支撑交通小区作为OD的相关研究。/>[0004]由于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，包括以下步骤：S1：根据城市路网拓扑将城市划分为若干交通小区，所述交通小区包括路段、设有出行检测卡口的路段节点；S2：根据车辆在交通小区的行驶得到车辆通过路段信息表；S3：根据车辆通过路段信息表整合出车辆在设定时间段内的出行链，对车辆出行链进行单次出行划分得到车辆出行记录表；S4：定义交通小区的邻域路段，并求解出城市路网所有路段与其对应的邻域路段字典；S5根据城市路网所有路段与其对应的邻域路段字典，通过出行者个体空间聚类算法得到不同车辆出行OD路段簇中心与簇中包含路段对应关系字典；S6：根据车辆ID、出行记录，利用城市路网所有路段与其对应的邻域路段字典和不同车辆出行OD路段簇中心与簇中包含路段对应关系字典推断得到个体OD小区。2.根据权利要求1所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，所述车辆通过路段信息表包括：hphm、road_id、fnode、tnode、from_time、to_time，所述hphm表示车辆的车牌号码，表征身份信息；所述road_id车辆经过的路段编号；所述fnode车辆进入该路段时的节点；所述tnode车辆驶出该路段时的节点；所述from_time车辆驶入路段/经过fnode时的具体时刻；所述to_time车辆驶出路段/经过tnode时的具体时刻。3.根据权利要求1所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，步骤S3所述根据车辆通过路段信息表整合出车辆在设定时间段内的出行链，对车辆出行链进行单次出行划分得到车辆车辆出行记录表，单次出行划分得到车辆出行记录具体过程为：如果车辆驶入下一路段的时刻与驶出上一个路段的时刻大于给定的时间阈值T
g
，那么就将出行链在此处打断，认为上一个路段是上次出行的终点，下一个路段是下一次出行的起点；所述车辆车辆出行记录表包括车牌号码、出发时刻、到达时刻、起点路段、终点路段。4.根据权利要求1所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，所述邻域路段为指定路段的路段集合，所述邻域路段表征在路网拓扑中与指定路段共同构成交通小区的路段，同时表征空间位置的相近。5.根据权利要求1所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，步骤S4定义交通小区的邻域路段，并求解出城市路网所有路段与其对应的邻域路段字典具体过程为：S401：构建交通小区与路段的对应关系字典，即每个交通小区对应的包围路段，构建路段与交通小区对应关系字典，即每个路段对应的关联小区；使用路段中点经纬度表示每个路段的位置信息；S402：确定邻域路段最远关联距离d
max
；S403：遍历城市路网所有路段，记当前路段为r；S404：通过路段与交通小区的对应关系字典获取路段r的关联小区集合；
S405：遍历步骤S404得到的关联小区集合，通过交通小区与路段的对应关系字典获取当前路段r的关联小区集合列表中所有交通小区各自的包围路段集合；S406：对步骤S405中所得的交通小区的包围路段集合求并集，并删除路段r，得到路段r可进行一度关联的路段集合；S407：遍历步骤S406得到的路段集合，计算每个路段和路段r的距离distance，记遍历得到的当前路段为j，已知两点经纬度求距离的计算公式见公式(1)和公式(2)，距离单位为m；其中S408：对于每一个路段j，判断distance
rj
与d
max
的大小关系，如果distance
rj
>d
max
，则从路段集合中删除路段j；S409：将经过步骤S408筛选后的路段r的可一度关联的路段集合作为路段r的邻域路段集合；S410：遍历下一个路段，重复S403
‑
S409，如果城市路网所有路段都完成了遍历，则算法终止。6.根据权利要求5所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，所述构建交通小区与路段的对应关系字典，即每个交通小区对应的包围路段，交通小区与路段的对应关系字典包括两个字段：交通小区、包围路段；构建路段与交通小区对应关系字典，即每个路段对应的关联小区；使用路段中点经纬度表示每个路段的位置信息，路段与交通小区对应关系字典包括两个字段：路段、关联小区，每个路段均对应两个关联小区。7.根据权利要求5所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，使用路段中点经纬度表示每个路段的位置信息，具体表示方法为：记路段编号为i的路段为r
i
，即对任一路段r
i
，用路段中点处的经纬度数组(lng
i
，lat
i
)唯一标识该路段。8.根据权利要求5所述的一种基于卡口检测数据的个体级OD小区推断方法，其特征在于，步骤S5的具体过程为：S501：计算该出行者以不同路段作为OD出行的频次，确定最大关联距离d
max
；S502：定义该出行者的出行OD路段簇中心与簇中包含路段对应关系字典U，数据格式为{路段簇中心坐标：[该簇包含的路段]}，将该字典初始化为空字典；S503：定义待聚类路段集合T，并将该集合初始化为该出行者出行OD路段集合；S504：取该出行者待聚类路段集合中作为OD出行频次最高的路段，记为r
i
，将r
i
从T中删除；S505：通过D
n
获取r
i
的邻域路段集合N
i
；S506：取N
i
和待聚类路段集合T的交集，记为J，如果J为空，则执行步骤S506，如果不为空则执行步骤S507；
S507：如果J为空，则r
i
单独成簇，簇中心点坐标为r
i
的路段中点坐标，即(lng
i
，lat
i
)，将(lng
i
，lat
i
)和r
i
添加到字典U，如果T不为空，返回步骤S504，如果T为空，则算法结束，输出字典U；S508：如果J不为空，则将J中的路段和r
i
归入同一个簇，即该簇的集合为R，并计算该簇的簇中心点坐标，簇中心点经纬度坐标计算公式见公式(3)和公式(4)，得到簇中心经纬度坐标为(lng
center
，lat
center
)，将J中包含的所有路段从T中删除；)，将J中包含的所有路段从T中删除；S509：计算步骤(8)所得簇中心经纬度和T集合中各个路段的距离，记为d
i
，计算公式见公式(1)和公式(2)，如果d
i
＜d
max
，则将该路段加入集合R并从T中删除，重新计算簇中点坐标，计算公式见(3)和公式(4)，重复该步骤，直到对T所有路段都有d
i
≥d
max
，则将簇中心点坐标(lng
...

【专利技术属性】
技术研发人员：何兆成，李贵龙，陈一贤，
申请(专利权)人：中山大学，
类型：发明
国别省市：