一种移动终端信令数据交通出行方式识别方法技术

本发明专利技术提供了一种移动终端信令数据交通出行方式识别方法。该方法包括：根据移动终端的信令轨迹的途径点信息，从导航系统得到各交通出行方式的候选轨迹；根据各交通出行方式的统计特征基于模糊推理理论计算出各交通出行方式的候选轨迹的先验概率；根据轨迹相似性度量算法计算出各交通出行方式的候选轨迹与移动终端的信令轨迹的相似度；根据相似度利用贝叶斯定理对各候选轨迹的先验概率进行修正，得到各出行方式的各候选轨迹的后验概率，根据各候选轨迹的后验概率确定所述移动终端的信令轨迹对应的候选轨迹。本发明专利技术方法通过手机信令轨迹与导航候选轨迹的时空相似度匹配，提高模型对于差别显著的出行方式的判别能力。型对于差别显著的出行方式的判别能力。型对于差别显著的出行方式的判别能力。

【技术实现步骤摘要】
一种移动终端信令数据交通出行方式识别方法


[0001]本专利技术涉及移动终端信令数据处理
，尤其涉及一种基于贝叶斯框架的移动终 端信令数据交通出行方式识别方法。

技术介绍

[0002]掌握城市居民交通出行方式分布对于城市交通规划具有重要意义，有助于正确管理和 控制城市交通系统。近年来，随着城市交通出行方式的多样化发展，交通需求不平衡问题 日益突出，城市交通出行结构演变愈加迅速复杂。以居民出行调查为代表的传统交通调查 方法的不足日益凸显。首先居民出行调查调查周期较长，一般在五年以上，难以及时反映 居民出行特征变化；另外当前居民出行调查方法仍然使用电话访谈或问卷调查等方式进 行，需要投入大量的人力物力，调查成本高昂；而且问卷采样率较低，覆盖率一般不大于 3.0％等。因此传统交通调查方法很难满足当前交通出行管理的需求。
[0003]总的来说，手机信令数据与居民出行调查数据等传统交通数据和GPS数据相比存在一定 的优势，已经在许多城市通勤结构和人口密度估算等方面得到初步应用并取得了积极的成 效。但是目前的研究大多聚焦于中、宏观维度，在精细化交通出行信息方面的模型以及算 法研究相对较少。因此，亟需一种基于手机信令数据的交通出行方式识别方法。

技术实现思路

[0004]本专利技术的实施例提供了一种移动终端信令数据交通出行方式识别方法，以实现有效地 识别用户的移动终端的出行方式。
[0005]为了实现上述目的，本专利技术采取了如下技术方案。
[0006]一种基于贝叶斯框架的移动终端信令数据交通出行方式识别方法，包括：
[0007]根据移动终端的信令轨迹的途径点信息，从导航系统得到各交通出行方式的候选轨 迹；
[0008]根据各交通出行方式的统计特征基于模糊推理理论计算出各交通出行方式的候选轨迹 的先验概率；
[0009]根据轨迹相似性度量算法计算出各交通出行方式的候选轨迹与所述移动终端的信令轨 迹的相似度；
[0010]根据各候选轨迹与所述移动终端的信令轨迹的相似度利用贝叶斯定理对各候选轨迹的 先验概率进行修正，得到各交通出行方式的各候选轨迹的后验概率，根据各候选轨迹的后 验概率确定所述移动终端的信令轨迹对应的候选轨迹。
[0011]优选地，所述的根据移动终端的信令轨迹的途径点信息，从导航系统得到各交通出行 方式的候选轨迹，包括：
[0012]根据移动终端的信令轨迹的起点、终点和途径点信息，按一定规则从导航系统请求得 到步行、自行车、公交车、小汽车和地铁五种交通出行方式的一条或者多条导航轨迹，将 所述导航轨迹作为该交通出行方式的候选轨迹。
[0013]优选地，所述的根据各交通出行方式的统计特征基于模糊推理理论计算出各交通出行 方式的候选轨迹的先验概率，包括：
[0014]根据先验知识，结合各交通出行方式的特点，对各交通出行方式分别建立行程距离L、 行程时间T和平均行程速度的隶属度函数，隶属度函数如下：
[0015]步行的隶属度函数：
[0016]a.行程距离
[0017][0018]b.行程时间
[0019][0020]c.平均行程速度
[0021][0022]自行车的隶属度函数
[0023]a.行程距离
[0024][0025]b.行程时间
[0026][0027]c.平均行程速度
[0028][0029]公交车的隶属度函数
[0030]a.行程距离
[0031][0032]b.行程时间
[0033][0034]c.平均行程速度
[0035][0036]小汽车的隶属度函数
[0037]a.行程距离
[0038][0039]b.行程时间
[0040][0041]c.平均行程速度
[0042][0043]地铁的隶属度函数
[0044]a.行程距离
[0045][0046]b.行程时间
[0047][0048]c.平均行程速度
[0049][0050]根据各交通出行方式的隶属度函数，计算出移动终端的信令轨迹对各交通 出行方式各个特征的隶属度 mode∈{walk，bike，bus，car，subway}，将各个特征的隶属度之积作为交通出行方式的隶 属度；
[0051][0052]交通出行方式的候选轨迹的先验概率由下式给出：
[0053][0054]优选地，所述的根据轨迹相似性度量算法计算出各交通出行方式的候选轨迹与所述移 动终端的信令轨迹的相似度，包括：
[0055]空间中的两个点p1，p2的空间相似度m
spatial
(p1，p2)的计算公式为：
[0056][0057]式中，d
threshold
为空间距离的阈值；
[0058]两个点p1，p2的时间相似度m
time
(p1，p2)的计算公式为：
[0059][0060]t
threshold
为时间距离的阈值，t1，t2为两个点p1，p2对应的时间；
[0061]两个点p1，p2的时空相似度m
s
‑
t
(p1，p2)的计算公式为：
[0062]m
s
‑
t
(p1，p2)＝m
spatial
(p1，p2)
×
m
time
(p1，p2)
[0063]轨迹T：[p
i
，p
i
＝(lon
i
，lat
i
，t
i
)，i＝1，2，...n]，轨迹总行程长为)，i＝1，2，...n]，轨迹总行程长为定义点的轨迹分位数来描述点在轨迹上的位置：
[0064][0065]点p
i
称为轨迹T在分位值等于q
i
处的轨迹分位点，p
i
＝(lon
i
，lat
i
，t
i
，q
i
)；
[0066]给定两条连续轨迹T1：p1＝p1(t)，t∈[α1，β1]和T2：p2＝p2(t)，t∈[α2，β2]，其中轨迹T1是移动终端的信令轨迹；轨迹T2是交通出行方式的候选轨迹，根据点的相似度来定义T1和 T2的轨迹相似度：
[0067][0068]其中v1(t)和v2(t)分别表示T1和T2在时刻t的速度，积分区间为目标轨迹的时间区间 [α1，β1]；
[0069][0070]式中，q
i
——插值后的轨迹分位数；
[0071]m
i
——两条轨迹在轨迹分位数q
i
的时空相似度，即m(p1(t
i
)，p2(t
i
))；
[0072]l
i
——是T1在区间[t
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种移动终端信令数据交通出行方式识别方法，其特征在于，包括：根据移动终端的信令轨迹的途径点信息，从导航系统得到各交通出行方式的候选轨迹；根据各交通出行方式的统计特征基于模糊推理理论计算出各交通出行方式的候选轨迹的先验概率；根据轨迹相似性度量算法计算出各交通出行方式的候选轨迹与所述移动终端的信令轨迹的相似度；根据各候选轨迹与所述移动终端的信令轨迹的相似度利用贝叶斯定理对各候选轨迹的先验概率进行修正，得到各交通出行方式的各候选轨迹的后验概率，根据各候选轨迹的后验概率确定所述移动终端的信令轨迹对应的候选轨迹。2.根据权利要求1所述的方法，其特征在于，所述的根据移动终端的信令轨迹的途径点信息，从导航系统得到各交通出行方式的候选轨迹，包括：根据移动终端的信令轨迹的起点、终点和途径点信息，按一定规则从导航系统请求得到步行、自行车、公交车、小汽车和地铁五种交通出行方式的一条或者多条导航轨迹，将所述导航轨迹作为该交通出行方式的候选轨迹。3.根据权利要求2所述的方法，其特征在于，所述的根据各交通出行方式的统计特征基于模糊推理理论计算出各交通出行方式的候选轨迹的先验概率，包括：根据先验知识，结合各交通出行方式的特点，对各交通出行方式分别建立行程距离L、行程时间T和平均行程速度的隶属度函数，隶属度函数如下：步行的隶属度函数：a.行程距离b.行程时间c.平均行程速度自行车的隶属度函数a.行程距离b.行程时间
c.平均行程速度公交车的隶属度函数a.行程距离b.行程时间c.平均行程速度小汽车的隶属度函数a.行程距离b.行程时间c.平均行程速度
地铁的隶属度函数a.行程距离b.行程时间c.平均行程速度根据各交通出行方式的隶属度函数，计算出移动终端的信令轨迹对各交通出行方式各个特征的隶属度f
mode
(L)，f
mode
(T)，mode∈{walk，bike，bus，car，subway}，将各个特征的隶属度之积作为交通出行方式的隶属度；m
mode
＝f
mode
(L)
×
f
mode
(T)
×
f
mode
(V)交通出行方式的候选轨迹的先验概率由下式给出：4.根据权利要求3所述的方法，其特征在于，所述的根据轨迹相似性度量算法计算出各交通出行方式的候选轨迹与所述移动终端的信令轨迹的相似度，包括：空间中的两个点p1，p2的空间相似度m
spatial
(p1，p2)的计算公式为：式中，d
threshold
为空间距离的阈值；两个点p1，p2的时间相似度m
time
...

【专利技术属性】
技术研发人员：王江锋，杨昊，梁艳平，罗冬宇，姚景轩，顾明臣，邵晓明，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：