车辆关键路径的识别方法、系统和电子装置制造方法及图纸

技术编号:35208072 阅读:27 留言:0更新日期:2022-10-15 10:20
本申请涉及一种车辆关键路径的识别方法、系统和电子装置,通过总车辆数据库识别出预设区域内车辆的类型,根据车辆的时空轨迹,获得每种类型车辆的时空轨迹集,根据每种类型车辆的时空轨迹集,获得每种类型车辆的时空轨迹相似性矩阵,使用聚类算法,基于每种类型车辆的时空轨迹相似性矩阵,将每种类型车辆划分为不同的簇,获得每种类型车辆的关键路径,解决了通过人工识别车辆的关键路径导致识别结果不准确,效率低的问题,提高了车辆关键路径的识别效率。别效率。别效率。

【技术实现步骤摘要】
车辆关键路径的识别方法、系统和电子装置


[0001]本申请涉及城市道路交通
,特别是涉及车辆关键路径的识别方法、系统和电子装置。

技术介绍

[0002]缓解交通拥堵一直是大城市所面临的最重要的难题之一,随着车辆保有量不断增加,道路越来越拥堵,尤其是在早晚高峰。可以通过采取强硬的缓堵措施解决道路拥堵的问题,比如限行政策,但出行者对于强硬的缓堵措施越来越反感,导致出行者体验感不好,因此精细化、个性化的缓堵措施越来越被看重。而制定精细化的缓堵措施的前提就需要对出行车辆的轨迹分析作为基础。比如近年来流行的定制公交,需要了解出行者的出行轨迹以便更好的制定定制公交的时间和线路。然而在相关技术中,一般是通过人工识别车辆的关键路径,导致识别结果不准确,效率低。
[0003]目前针对相关技术中通过人工识别车辆的关键路径,导致识别结果不准确,效率低的问题,尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种车辆关键路径的识别方法、系统和电子装置,以至少解决相关技术中通过人工识别车辆的关键路径,导致识别结果不准确,本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆关键路径的识别方法,其特征在于,所述方法包括:通过总车辆数据库识别出预设区域内车辆的类型;根据车辆的时空轨迹,获得每种类型车辆的时空轨迹集,根据所述每种类型车辆的时空轨迹集,获得每种类型车辆的时空轨迹相似性矩阵;使用聚类算法,基于每种类型车辆的时空轨迹相似性矩阵,将每种类型车辆划分为不同的簇,获得每种类型车辆的关键路径。2.根据权利要求1所述的方法,其特征在于,所述通过总车辆数据库识别出预设区域内车辆的类型之前,所述方法还包括:所述总车辆数据库将通过下述方法划分成出租车数据库、网约车数据库、临时办事车辆数据库、频繁过境车辆数据库和剩余车辆数据库;基于车牌规则和出行频率,识别出出租车,构建所述出租车数据库;根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长,获得所有车辆的分数值;根据出租车最小分数值和最大分数值筛选出出租车和网约车后,剔除出租车,构建所述网约车数据库;根据出行天数识别出临时办事车辆,构建所述临时办事车辆数据库,根据日均被检测频次识别出频繁过境车辆,构建所述频繁过境车辆数据库;排除出租车、网约车、临时办事车辆和频繁过境车辆,得到剩余车辆,所述剩余车辆类别包括通勤模式车辆、家庭不常用车辆和公司商务车辆;根据剩余车辆的特征向量和类别标签训练决策树模型,获得预训练的决策树模型,根据预训练的决策树模型获得剩余车辆类别的识别规则,根据剩余车辆类别的识别规则获得所述剩余车辆数据库。3.根据权利要求2所述的方法,其特征在于,所述根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长,获得所有车辆的分数值包括:根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长,构建标准化后的正向化特征值矩阵;根据所述标准化后的正向化特征值矩阵,获得每辆车与最优解的距离和每辆车与最劣解的距离;根据所述每辆车与最优解的距离和所述每辆车与最劣解的距离,获得每辆车的分数值。4.根据权利要求2所述的方法,其特征在于,所述根据剩余车辆的特征向量和类别标签训练决策树模型之前,所述方法包括:根据剩余车辆类别数确定聚类数目,对剩余车辆使用迭代自组织数据分析算法进行聚类分析,获得聚类结果和聚类特征,将所述聚类结果作为类别标签,所述聚类特征作为剩余车辆的特征向量;其中,所述聚类特征为剩余车辆的车辆行为特征,所述剩余车辆的车辆行为特征包括:出行天数、日均被检测频次、早晚高峰...

【专利技术属性】
技术研发人员:姚文彬蒋立靓胡慷金盛苏弘扬胡佑薇陈诺
申请(专利权)人:银江技术股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1