【技术实现步骤摘要】
一种基于高斯混合模型的机动车单次出行轨迹辨识方法
[0001]本专利技术涉及一种基于高斯混合模型的机动车单次出行轨迹辨识方法，具体是一种基于高斯混合模型的机动车单次出行轨迹辨识方法。
技术介绍
[0002]单个车辆出行轨迹是进行路网交通分析的基本组成单元，对于获取路径流信息、分析关联交叉口间路径流运行规律具有重要作用。而实际路网中车辆由于不同的出行目的一天内通常会存在多次出行行为， 通过对车辆单次出行轨迹的可靠辨识，可以将原始轨迹准确划分为多个出行段轨迹，进而获得城市路网交叉口间的交通运行特征信息。
[0003]现有的车辆出行行程完成状态判别方法主要有：（1）行程时间阈值法，利用车辆号牌数据获取相邻卡口对所有车辆的单车行程时间并升序排列，取两倍前80%车辆通过相邻卡口对的时间差作为阈值或将95百分位的最大行程时间作为阈值，进行车辆单次出行轨迹辨识。但该方法对行程时间波动性的考虑较为粗放，忽略了因城市路网结构、交叉口延误等因素导致的行程时间间断流特性。（2）速度阈值法，通过车辆号牌数据提取出行链相邻卡口点的速度，结合交...
【技术保护点】
【技术特征摘要】
1.一种基于高斯混合模型的机动车单次出行轨迹辨识方法，其特征在于；包括如下步骤：S1、获取车辆号牌数据和路网静态信息，将卡口设备与路网静态信息进行空间匹配，实现车辆身份与位置服务数据时空汇集，获取不同身份ID信息的车辆轨迹中每一交叉口OD对路径行程时间；S2、根据时空汇集的车辆身份与位置服务数据，利用高斯混合模型对每一有向交叉口OD对车辆路径行程时间概率分布进行建模，并采用期望最大化（EM）算法对高斯混合模型参数进行求解，引入模型复杂度的惩罚项避免模型过拟合问题出现；S3、根据有向交叉口OD对行程时间概率分布，考虑城市道路间断流行程时间分布的双峰特性，通过高斯混合分布最优拟合选择高斯分量1和高斯分量2的线性组合形式表征有向交叉口OD对的行程时间分布，基于原则确定有向交叉口OD对路径出行行程完成时间决策边界，对车辆出行行程完成状态进行判别。2.根据权利要求1所述的一种基于高斯混合模型的机动车单次出行轨迹辨识方法，其特征在于：所述S1中不同身份ID信息的车辆轨迹中每一交叉口OD对路径行程时间获取进一步为；S1.1、获取卡口式车辆号牌识别设备采集的车辆号牌数据，主要用到的数据字段包括进口道编号、设备编号、车道编号、日期、检测时间、车牌号牌等，此外还要获取卡口设备静态信息和交叉口静态信息等路网静态信息；S1.2、通过匹配车辆唯一身份ID“车辆牌照”，获取所有有效识别到该车辆号牌的设备编号，并按号牌识别检测记录的时间轴顺序进行排列，即获得当前分析时段，按时间轴顺序排列的车辆所经过的号牌识别设备编号为轨迹点组成的轨迹序列；基于卡口设备与路网静态信息空间匹配关系，获得车辆经过的交叉口编号（进口道编号及邻接路段编号）序列，实现车辆身份与位置服务数据时空汇集；S1.3、根据车辆身份与位置服务数据，以位置点为节点，时间序列为邻接信息所形成的有向拓扑即为车辆在研究路网上的运行轨迹，根据车辆出行轨迹获取每一交叉口OD对路径行程时间：式中，为车辆身份与位置服务数据集中车辆序号；为车辆出行轨迹中轨迹点序号；为车辆出行轨迹中第个轨迹点所在交叉口编号；为第辆车到达其出行轨迹中第个轨迹点对应交叉口过车记录时间；为第辆车从轨迹点对应的交叉口到达轨迹点对应的交叉口所用的行程时间。3.根据权利要求1所述的一种基于高斯混合模型的机动车单次出行轨迹辨识方法，其特征在于：所述S2进一步为；S2.1、以每一有向交叉口OD对车辆路径行程时间为随机变量（可简写为），构建基于高斯混合模型的有向OD对间车辆路径行程时间概率分布模型：
式中，为有向交叉口OD对车辆路径行程时间；为的概率密度分布函数；为混合系数，即每个高斯分量的权重，；为高斯分量的模型分布参数；为第个高斯分量模型分布参数；为第个高斯分量的概率密度函数；式中：为随机变量线性组合分量的数目，个子高斯分布模型是混合模型的隐变量；S2.2、采用行程时间的对数分布形式，利用最大log似然函数对模型参数进行拟合，log似然函数的形式为：式中，为有向交叉口OD对观察到的第个车辆路径行程时间：S2.3、基于期望...
【专利技术属性】
技术研发人员：张亚伦，王振飞，周伟，曾旭阳，周俊，陈达，
申请(专利权)人：江苏中路交通发展有限公司，
类型：发明
国别省市：
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。