基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器技术

本申请提供一种基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器，方法包括：获取待分析区域在设定时段内的行人轨迹点集和车辆轨迹点集，其中，所述行人轨迹点集为所述待分析区域内的行人在所述设定时段内的暂留点构成的集合，所述车辆轨迹点集为所述待分析区域内的车辆在所述设定时段内的暂留点构成的集合；对所述行人轨迹点集进行行人轨迹聚类，得到行人轨迹聚类结果；对所述车辆轨迹点集进行车辆轨迹聚类，得到车辆轨迹聚类结果；基于所述行人轨迹聚类结果和所述车辆轨迹聚类结果，确定出与行人行为相关的交通拥堵源点。确定出与行人行为相关的交通拥堵源点。确定出与行人行为相关的交通拥堵源点。

【技术实现步骤摘要】
基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器


[0001]本申请涉及交通溯源分析
，具体而言，涉及一种基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器。

技术介绍

[0002]随着城市的不断发展，人们出行的交通工具更多样化，城市的车辆也逐年增多，而交通拥堵也是当前城市化过程中存在的热点问题。交通拥堵不仅仅给人们带诸多不便，同时还影响着社会治安，扰乱社会秩序，造成经济损失等问题。根据国家交通部门统计，全国每年因交通拥堵而带来的经济损失高达2500亿元，占城市人口收入的20％。
[0003]现有技术中，通常从轨迹数据(密度、车速、行驶方向、时间、坐标位置等)入手，进行交通拥堵问题的相关研究。但这样的方式，对于城市道路的交通拥堵问题来说，仅仅能够从车辆的角度进行分析，对于城市道路(特别是人流量大的区域)来说，交通拥堵的相关分析和预测(特别是对于交通拥堵的时长预测)就难以保证准确性，且由于数据量巨大，传统的大数据聚类分析方法难以保证分析效率。

技术实现思路

[0004]本申请实施例的目的在于提供一种基于轨迹大数据的交通拥堵溯源方法、存储介质及服务器，结合行人的轨迹聚类和车辆的轨迹聚类进行交通拥堵溯源分析，准确识别行人因素的交通拥堵问题，利于拥堵时长的预测。
[0005]为了实现上述目的，本申请的实施例通过如下方式实现：
[0006]第一方面，本申请实施例提供一种基于轨迹大数据的交通拥堵溯源方法，包括：步骤S1：获取待分析区域在设定时段内的行人轨迹点集和车辆轨迹点集，其中，所述行人轨迹点集为所述待分析区域内的行人在所述设定时段内的暂留点构成的集合，所述车辆轨迹点集为所述待分析区域内的车辆在所述设定时段内的暂留点构成的集合；步骤S2：对所述行人轨迹点集进行行人轨迹聚类，得到行人轨迹聚类结果；步骤S3：对所述车辆轨迹点集进行车辆轨迹聚类，得到车辆轨迹聚类结果；步骤S4：基于所述行人轨迹聚类结果和所述车辆轨迹聚类结果，确定出与行人行为相关的交通拥堵源点。
[0007]结合第一方面，在第一方面的第一种可能的实现方式中，步骤S2：对所述行人轨迹点集进行行人轨迹聚类，得到行人轨迹聚类结果，包括：步骤S21：对所述待分析区域进行网格划分，得到第一网格区域；步骤S22：将所述行人轨迹点集中的暂留点映射到所述第一网格区域内；步骤S23：对每个网格进行质心计算和密度计算，得到每个网格的第一网格质心和第一网格密度；步骤S24：判断每个网格的第一网格密度是否达到第一密度阈值；步骤S25：若否，对未达到第一密度阈值的网格进行十字分割，划分为四个等尺寸的网格，基于划分得到的每个网格跳转到步骤S23执行；步骤S26：若是，对达到第一密度阈值的网格进行相邻质心的距离计算，并以相邻质心的距离中心为中心确定出判定区域，将判定区域内的区域密度达到第一密度阈值的两个相邻质心所在网格划分为同一类簇；步骤S27：重复执行步
骤S23～步骤S26，直到所有网格遍历完毕，输出每个簇类的中心点为第一网格区域的初始聚类中心；步骤S28：基于每个网格的第一网格密度，计算每个第一网格质心到每个聚类中心的加权距离，并根据加权距离的计算结果对聚类中心进行更新；步骤S29：反复执行步骤S28，直到所有网格的第一网格质心到对应的聚类中心的第一权值距离最小，得到最终的行人轨迹聚类结果。
[0008]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，步骤S23：对每个网格进行质心计算和密度计算，得到每个网格的第一网格质心和第一网格密度，包括：针对每个网格，采用以下公式计算第一网格质心：
[0009][0010]其中，fc
i
为第i个网格的第一网格质心，fn
i
为第i个网格内的暂留点数量，x
j
为第i个网格内的第j个暂留点数据，fo
i
为第i个网格的中心；针对每个网格，采用以下公式计算第一网格密度：
[0011][0012]其中，fe
i
为第i个网格的第一网格密度，fn
i
为第i个网格内的暂留点数量，l
i
为第i个网格的边长，网格为正方形。
[0013]结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，步骤S28：基于每个网格的第一网格密度，计算每个第一网格质心到每个聚类中心的加权距离，并根据加权距离的计算结果对聚类中心进行更新，包括：采用以下公式计算每个第一网格质心到每个聚类中心的加权距离：
[0014][0015]其中，d
j
为归类到第j个簇类的每个第一网格质心到第j个聚类中心的加权距离总和，为归类到第j个簇类的第k个第一网格对应的第一网格密度，为归类到第j个簇类的第k个第一网格对应的第一网格质心，m为归类到第j个簇类的每个第一网格的总量，n为第一网格的总量，v
j
为第j个聚类中心，d为每个第一网格质心到其聚类中心的加权距离总和，s为聚类中心的总量；基于计算结果d
j
和d更新每个聚类中心v
j
。
[0016]结合第一方面，在第一方面的第四种可能的实现方式中，步骤S3：对所述车辆轨迹点集进行车辆轨迹聚类，得到车辆轨迹聚类结果，包括：步骤S31：对所述待分析区域进行网格划分，得到第二网格区域；步骤S32：将所述车辆轨迹点集中的暂留点映射到所述第二网格区域内；步骤S33：对每个网格进行质心计算和密度计算，得到每个网格的第二网格质心和第二网格密度；步骤S34：判断每个网格的第二网格密度是否达到第二密度阈值；步骤S35：若否，对未达到第二密度阈值的网格进行十字分割，划分为四个等尺寸的网格，基于划分得到的每个网格跳转到步骤S33执行；步骤S36：若是，对达到第二密度阈值的网格进行相邻质心的距离计算，并以相邻质心的距离中心为中心确定出判定区域，将判定区域内的区域密度达到第二密度阈值的两个相邻质心所在网格划分为同一类簇；步骤S37：重复执行步
骤S33～步骤S36，直到所有网格遍历完毕，输出每个簇类的中心点为第二网格区域的初始聚类中心；步骤S38：基于每个网格的第二网格密度，计算每个第二网格质心到每个聚类中心的加权距离，并根据加权距离的计算结果对聚类中心进行更新；步骤S39：反复执行步骤S38，直到所有网格的第二网格质心到对应的聚类中心的第二权值距离最小，得到最终的车辆轨迹聚类结果。
[0017]结合第一方面，在第一方面的第五种可能的实现方式中，步骤S4：基于所述行人轨迹聚类结果和所述车辆轨迹聚类结果，确定出与行人行为相关的交通拥堵源点，包括：步骤S41：从所述待分析区域中确定出车辆
‑
行人交集区域，其中，车辆
‑
行人交集区域表示车辆的通行道路和行人的通行道路之间存在交叉的区域；步骤S42：从所述车辆轨迹聚类结果中确定出与行人轨迹聚类结果位于同一车辆
‑
行人交集区域内的交通拥堵源点。
[0018]结合第一方面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轨迹大数据的交通拥堵溯源方法，其特征在于，包括：步骤S1：获取待分析区域在设定时段内的行人轨迹点集和车辆轨迹点集，其中，所述行人轨迹点集为所述待分析区域内的行人在所述设定时段内的暂留点构成的集合，所述车辆轨迹点集为所述待分析区域内的车辆在所述设定时段内的暂留点构成的集合；步骤S2：对所述行人轨迹点集进行行人轨迹聚类，得到行人轨迹聚类结果；步骤S3：对所述车辆轨迹点集进行车辆轨迹聚类，得到车辆轨迹聚类结果；步骤S4：基于所述行人轨迹聚类结果和所述车辆轨迹聚类结果，确定出与行人行为相关的交通拥堵源点。2.根据权利要求1所述的基于轨迹大数据的交通拥堵溯源方法，其特征在于，步骤S2：对所述行人轨迹点集进行行人轨迹聚类，得到行人轨迹聚类结果，包括：步骤S21：对所述待分析区域进行网格划分，得到第一网格区域；步骤S22：将所述行人轨迹点集中的暂留点映射到所述第一网格区域内；步骤S23：对每个网格进行质心计算和密度计算，得到每个网格的第一网格质心和第一网格密度；步骤S24：判断每个网格的第一网格密度是否达到第一密度阈值；步骤S25：若否，对未达到第一密度阈值的网格进行十字分割，划分为四个等尺寸的网格，基于划分得到的每个网格跳转到步骤S23执行；步骤S26：若是，对达到第一密度阈值的网格进行相邻质心的距离计算，并以相邻质心的距离中心为中心确定出判定区域，将判定区域内的区域密度达到第一密度阈值的两个相邻质心所在网格划分为同一类簇；步骤S27：重复执行步骤S23～步骤S26，直到所有网格遍历完毕，输出每个簇类的中心点为第一网格区域的初始聚类中心；步骤S28：基于每个网格的第一网格密度，计算每个第一网格质心到每个聚类中心的加权距离，并根据加权距离的计算结果对聚类中心进行更新；步骤S29：反复执行步骤S28，直到所有网格的第一网格质心到对应的聚类中心的第一权值距离最小，得到最终的行人轨迹聚类结果。3.根据权利要求2所述的基于轨迹大数据的交通拥堵溯源方法，其特征在于，步骤S23：对每个网格进行质心计算和密度计算，得到每个网格的第一网格质心和第一网格密度，包括：针对每个网格，采用以下公式计算第一网格质心：其中，fc
i
为第i个网格的第一网格质心，fn
i
为第i个网格内的暂留点数量，x
j
为第i个网格内的第j个暂留点数据，fo
i
为第i个网格的中心；针对每个网格，采用以下公式计算第一网格密度：其中，fe
i
为第i个网格的第一网格密度，fn
i
为第i个网格内的暂留点数量，l
i
为第i个网
格的边长，网格为正方形。4.根据权利要求3所述的基于轨迹大数据的交通拥堵溯源方法，其特征在于，步骤S28：基于每个网格的第一网格密度，计算每个第一网格质心到每个聚类中心的加权距离，并根据加权距离的计算结果对聚类中心进行更新，包括：采用以下公式计算每个第一网格质心到每个聚类中心的加权距离：其中，d
j
为归类到第j个簇类的每个第一网格质心到第j个聚类中心的加权距离总和，为归类到第j个簇类的第k个第一网格对应的第一网格密度，为归类到第j个簇类的第k个第一网格对应的第一网格质心，m为归类到第j个簇类的每个第一网格的总量，n为第一网格的总量，v
j
为第j个聚类中心，d为每个第一网格质心到其聚类中心...

【专利技术属性】
技术研发人员：许岩岩，杨川，
申请(专利权)人：云艾网人工智能科技江苏有限公司，
类型：发明
国别省市：