一种基于概率分布模型的稀疏轨迹空间重构方法及系统技术方案

本发明专利技术涉及一种基于概率分布模型的稀疏轨迹空间重构方法及系统，属于自动车辆识别轨迹的空间重构技术领域。该方法包括以下步骤：S1、通过GPS轨迹数据构建轨迹网络，轨迹网络中包含了车辆在城市道路中行驶时所有可能经过的道路；S2、当车辆在轨迹网络中行驶时，使用贝叶斯分类器计算车辆走各路径的概率，并选取概率最大的路径作为车辆的轨迹；S3、利用整体模型对测试集进行轨迹重构，并根据预测结果和实际数据，对预测误差进行评价分析。本发明专利技术能够在减少数据依赖的情况下更加准确地重构车辆的空间轨迹，相对于现有方法具有更高的效率和更高的准确率，具有较广的应用前景。具有较广的应用前景。具有较广的应用前景。

【技术实现步骤摘要】
一种基于概率分布模型的稀疏轨迹空间重构方法及系统


[0001]本专利技术属于自动车辆识别轨迹的空间重构
，涉及一种基于概率分布模型的稀疏轨迹空间重构方法及系统。

技术介绍

[0003]自动车辆识别数据能获取道路中所有车辆的信息，但是其采样率很低，因为车辆自动识别设备不能实时记录车辆位置，它只能在车辆经过采集点时记录车辆信息，而由于环境和经济等原因的限制，城市路网中的采集点往往布设得比较稀疏，两个相邻的采集点之间的距离短则几百米，长则数公里，这就直接导致基于车辆自动识别数据的车辆轨迹十分稀疏。而已有的研究告诉我们，稀疏的车辆轨迹会使得轨迹中的细节丢失，并对后续的研究与应用造成严重影响，因此，要想自动车辆识别轨迹在智能交通系统的建设中充分发挥其优势与作用，必须对稀疏的自动车辆识别轨迹进行重构。
[0004]而针对这种数据的轨迹重构，就是重构轨迹在两相邻点之间的细粒度时空位置。在现有研究当中，对固定采集点的轨迹重构，往往被作为一个路径匹配问题，即借助路网数据，找到相邻采集点之间的路径空间，然后利用某种路径选择方法在路径空间中选择一条合适本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率分布模型的稀疏轨迹空间重构方法，其特征在于：该方法包括以下步骤：S1、通过GPS轨迹数据构建轨迹网络，轨迹网络中包含了车辆在城市道路中行驶时所有可能经过的道路；S2、当车辆在轨迹网络中行驶时，使用贝叶斯分类器计算车辆走各路径的概率，并选取概率最大的路径作为车辆的轨迹；S3、利用整体模型对测试集进行轨迹重构，并根据预测结果和实际数据，对预测误差进行评价分析。2.根据权利要求1所述的一种基于概率分布模型的稀疏轨迹空间重构方法，其特征在于：在步骤S1中，通过GPS轨迹数据构建轨迹网络具体包括：S11、轨迹空间相似性度量：选取的轨迹相似度度量是通过计算轨迹之间的最长公共子序列(Longest Common Sub
‑
Sequence，LCSS)；对于两条给定的轨迹Tr1、Tr2，LCSS的计算公式如下所示：从LCSS的计算公式中可以看出，当两个轨迹的相似度越高时，LCSS的值就越大；在本发明中，使用的LCSS均为归一化的LCSS，且仍使用LCSS的名称；对于给定的轨迹Tr1、Tr2，归一化后的LCSS，其计算公式如下所示：归一化后的LCSS计算结果位于0到1之间，数值越接近0，说明两轨迹之间越相似，数值越接近1，说明两轨迹之间区别越大；S12、DBSCAN轨迹聚类：对于一对给定的AVI相邻点对(C
A
,C
B
)和其中的邻点轨迹集合使用DBSCAN算法来区分该点对之间的不同路径，首先给出如下定义：定义1：轨迹空间邻域：对于一个给定的邻点轨迹集合和其中的一条GPS轨迹Tr
X
，其空间邻域是指在该邻点轨迹集合中，与给定的轨迹Tr
X
之间的轨迹相似性小于预先设定的阈值ε的轨迹的集合，用N(X)表示；定义2：核心轨迹：对于一个给定的邻点轨迹集合和其中的一条GPS轨迹Tr
X
，如果轨迹Tr
X
的空间邻域内的轨迹数量大于提前设置好的超参数MinPts，则轨迹Tr
X
就是该集合中的一条核心轨迹；定义3：空间直达轨迹：对于一个给定的邻点轨迹集合和其中的一条GPS轨迹Tr
X
，Tr
X
与其空间邻域内的任意一条轨迹都是空间直达的；定义4：空间可达轨迹：对于一个给定的邻点轨迹集合和其中的两条GPS轨迹Tr
X
和
Tr
Y
，若存在空间直达序列(Tr
X
,Tr1,Tr2,
…
Tr
n
,Tr
Y
)，其中任意两条相邻轨迹都是空间直达的，则称Tr
X
和Tr
Y
是空间可达轨迹；定义5：空间连通轨迹：对于一个给定的邻点轨迹集合和其中的两条GPS轨迹Tr
X
和Tr
Y
，如果邻点轨迹集合中存在一条核心轨迹Tr
Z
，使得轨迹Tr
X
和Tr
Y
都与轨迹Tr
C
空间可达，那么就称轨迹Tr
X
和轨迹Tr
Y
是空间连通的；使用DBSCAN算法对相邻点对(C
A
,C
B
)和其中的邻点轨迹集合进行聚类，以此生成轨迹网络时，主要包括以下步骤：1)对给定的轨迹集合，使用公式计算轨迹之间的相似性；2)寻找核心轨迹作为临时聚类簇：对于轨迹集合内的一个轨迹，若其半径范围内的轨迹数量大于预先设置的值MinPts，则将该轨迹设为一核心轨迹；扫描所有轨迹，找到所有的核心点及其聚类簇，即所有的临时聚类簇；3)对于每一个临时聚类簇，检查其中的轨迹是否为核心轨迹，如果是，则设置该聚类簇与当前聚类簇合并，得到新的临时聚类簇；4)重复步骤3)，直到全部临时聚类簇都被扫描和处理过；聚类后，相邻点对(C
A
,C
B
)和其中的邻点轨迹集合被分为一个或多个簇的集合被分为一个或多个簇的集合其中表示结果中的第k个簇，每个簇代表着一条从C
A
到C
B
的路径，聚类结果表示从C
A
到C
B
共有m个簇，即m条可能的路径；在每个簇中，选取轨迹邻域内数量最多的一条轨迹作为该轨迹簇所代表的路径。3.根据权利要求2所述的一种基于概率分布模型的稀疏轨迹空间重构方法，其特征在于：在步骤S2中，设计一个多路径行程时间分布模型，通过学习出租车在该相邻点对之间不同道路上的不同的行程时间分布，来计算出当车辆以通行时间t经过该相邻点对时，车辆走各路径的概率，并选取概率最大的一条路径作为车辆的行驶路径，具体包括：S21、多路径行程时间分布模型：对于一个给定的相邻点对(C
A
,C
B
)，及其邻点轨迹集合N表示通过该相邻点对的轨迹的总数量，每一条轨迹通过相邻点对(C
A
,C
B
)都有一个时间t与之对应，其时间集合表示为T＝{t1,t2,

【专利技术属性】
技术研发人员：郑林江，吴霄，唐毅，向光华，王世森，王璟婷，尹泽龙，陈鑫，
申请(专利权)人：重庆首讯科技股份有限公司，
类型：发明
国别省市：