基于海量卡口数据的车辆出行轨迹重构方法技术

本发明专利技术公开了基于海量卡口数据的车辆出行轨迹重构方法，第一步：选择有效的原始卡口数据；第二步：R语言对原始卡口数据进行预处理脱敏；第三步：对处理后的有效数据进行轨迹提取和筛选，构建原始轨迹；第四步：将原始轨迹通过Aster算法进行填补，获得完整的车辆出行轨迹；第五步：再通过Q

【技术实现步骤摘要】
基于海量卡口数据的车辆出行轨迹重构方法


[0001]本专利技术属于科学数据领域，具体涉及一种基于海量卡口数据的车辆出行轨迹重构方法。

技术介绍

[0002]领域内总体技术现状描述
[0003]国内外对车牌识别数据的研究主要集中在交通流概率统计及宏观特性提取上，对于出行路径、出行行为等交通流微观参数的挖掘提取较少涉及。对于宏观特性和交通流统计上，有通过对车辆信息的挖掘分类，参照粒子滤波的算法思想，基于贝叶斯估计理论修正、更新路段－路径的流量关系，进而提出了车牌自动识别环境下的车辆出行矩阵估计新方法；有基于车牌识别数据进行了路段行程时间的分布研究；有提出了基于异常值数据表现以及行程时间分布特征的异常值剔除方法；有基于车牌识别数据，通过k
‑
means聚类数据挖掘方法，提取了路网中的通勤特征车辆，并研究了其出行行为的时空特性。
[0004]与本专利技术创造最接近的现有技术一
[0005]现有技术一的
技术实现思路

[0006]基于车牌识别数据的机动车出行轨迹提取算法.通过车牌及时间戳排序提取出行链；利用相邻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于海量卡口数据的车辆出行轨迹重构方法，其特征在于：第一步：选择有效的原始卡口数据；第二步：R语言对原始卡口数据进行预处理脱敏；第三步：对处理后的有效数据进行轨迹提取和筛选，构建原始轨迹；第四步：将原始轨迹通过Aster算法进行填补，获得完整的车辆出行轨迹；第五步：再通过Q
‑
Learning算法对完整轨迹进一步重构，获取最终轨迹。2.根据权利要求1所述的基于海量卡口数据的车辆出行轨迹重构方法，其特征在于，在选择有效的原始卡口数据时，需要进行数据清洗；数据清洗：剔除异常数据，过滤因特殊原因或物理原因的错误数据输入，选择指定时间和路网内的有效数据。3.根据权利要求1所述的基于海量卡口数据的车辆出行轨迹重构方法，其特征在于，轨迹提取：根据区域、时间和车流量阈值去筛选有效轨迹。4.根据权利要求1所述的基于海量卡口数据的车辆出行轨迹重构方法，其特征在于，轨迹进一步重构：通过基于sumo的Astar强化学习算法模型对物理残缺轨迹进行轨迹重构。5.根据权利要求1所述的基于海量卡口数据的车辆出行轨迹重构方法，其特征在于：采用A*算法进行轨迹重构，具体步骤如下所示：1.确定输入点对：每次输入都是一条单目的某机动车单目的轨迹TR，在依次进行邻近卡口对时，出现该TR中相邻卡口数据为非邻近关系点对时，确定该轨迹TR出现缺点现象，此时将该点对作为接下来输入并将该点对称作n
s
和n
e
；2.算法初始化：初始化openList和closeList，并将n
s
放入openList中，赋予其f(n)值为0；3.结束判定：判断openList是否为空，如果为空则算法失败，如果不为空，则提取openList的头节点，如果该卡口为n
e
则算法结束，提取closeList，搜寻n
e
父节点至结束，该搜寻卡口集为重构轨迹；如果该卡口不为n
e
，则进行下述步骤；4.寻找相邻点：寻找openList中父节点卡口在拓扑路网中的邻近卡口集I
f
；5.寻找最优点：将头节点n
头
删除并放入closeList，...

【专利技术属性】
技术研发人员：刘双侨，李军，唐立，
申请(专利权)人：四川易方智慧科技有限公司，
类型：发明
国别省市：