【技术实现步骤摘要】
本专利技术涉及智能交通领域，具体是一种基于车辆停留信息的交通状态在线学习和查询方法。
技术介绍
1、随着移动互联网技术和大数据处理技术的迅猛发展和日益推广，智能交通领域也随之发生了深刻变化，依靠传统手段来采集交通数据和发送交通信息的方式已经越来越不适应新技术、新工艺和新形势的发展需要。时空轨迹数据聚类，利用大量浮动车来获取交通信息，如行程时间、习惯路径和车辆停留信息等，已成为当前智能交通领域的发展趋势。然而，截至到目前，对车辆停留信息的研究尚处于起步阶段，很多有用的信息有待进一步挖掘、精细化和应用推广。因此，针对车辆停留信息的研究具有重要的应用价值。在交通管理和规划方面：了解车辆停留位置和时长可帮助城市管理者识别拥堵点，并制定更有效的交通管理策略。根据车辆停留数据，规划新的道路或改善现有道路，以提高交通流畅度和效率。在商业应用方面：了解车辆停留模式可帮助零售商了解客户行为，确定最佳的商业位置或优化服务。在安全监控方面：分析车辆停留模式有助于识别犯罪热点区域，改善警务资源分配，提高社区安全性，帮助医疗人员迅速响应紧急情况。然而，截至到目前，对车辆停留原因以及停留时长的研究尚处于起步阶段，研究的手段也不够精细化，很多有用的停留信息有待进一步挖掘和应用推广。
2、目前，车辆停留数据分析存在的问题：1．实用性问题：车辆停留数据含有丰富的交通信息，这些信息可以用于表述路网整体交通状态以及单车出行习惯等特征，具有很好的应用前景。然而，截至到目前，现有的车辆停留数据挖掘技术较多关注停留点的识别算法研究，针对车辆停留信息提取方法的研
技术实现思路
1、本专利技术的目的是针对现有技术的不足，而提供一种基于车辆停留信息的交通状态在线学习和查询方法。这种方法运用大数据处理技术的优势，通过在线方式对车辆停留信息进行细分和深度学习，并快速呈现用户对路网交通状态和单车停留信息的查询需求，不仅能保证信息提取的精度和速度，还能够很好的满足用户查询的实时性要求，同时也提升了用户体验和交通系统的整体效率。
2、实现本专利技术目的的技术方案是：
3、一种基于车辆停留信息的交通状态在线学习和查询方法，包括如下步骤：
4、1）停留点数据规划：停留点数据规划是对停留点数据进行多维度、多层次划分，包括：
5、1-1）时段属性划分：将一天24小时从0:00到24:00用等时距t 的方式进行划分，并按照时刻的先后顺序进行采样编号，这些采样编号对应的采样时刻依次为 ti ，i=0,1,……,n；
6、1-1-1）系统自动计时：假定当前时刻t介于相邻两个采样时刻之间，即ti-1＜t≤ti ，i=1,2,……,n，其中ti-1为起始时刻，ti 为终止时刻，系统自动刷新当前时刻t；
7、1-1-2）判断当前时刻 t是否等于终止时刻 t i ；否 结束停留点信息的实时计算
8、1-1-3）停留点的实时数据采集:以当前时刻t为参考准点，将时间轴向后推移q1时段得到时刻ta，则时刻ta到时刻t之间的时段为当前时段a；将时间轴向后推移q2 时段得时段tb，则时段t到时刻t间的时段为当前时段b。从实时数据库中读取当前时段b内的所有停留点信息，这些信息包括停留点的经纬度、停留日期、停留的起始和终止时刻、停留时长、以及对应的车辆id等信息；
9、1-2）聚类时长划分：由系统自动设置两种聚类时长q1和q2，其中聚类时长q1表示对q1时段内的所有停留点数据进行聚类，聚类时长q2表示对q2时段内某辆单车的停留点数据进行聚类，且q1≤q2；
10、1-3）停留属性划分：对停留点的停留属性依次按照初步、个体、时段和拥堵四种不同类型进行划分；
11、2）停留点的初步、个体、停留属性划分：包括：
12、2-1）停留点的初步停留属性划分：将停留点的初步停留属性分为“疑似”、“暂时”和“正常”三种类型，并按照停留时长的大小对初步停留属性进行编号界定，由系统设置停留时长参数t1、 t2和t3， 其中0＜t1＜t2＜t3， 任意选取一个停留点， 按照停留点停留时长t的大小划分为：
13、2-1-1）当t1＜t≤t2时， 该停留点的初步停留属性设置为“疑似” ；
14、2-1-2）当t2＜t≤t3时， 该停留点的初步停留属性设置为“暂时” ；
15、2-1-3）当t3＜t时， 该停留点的初步停留属性设置为“正常” ；
16、2-1-4）按照停留时长的大小， 对所有停留点的初步停留属性进行设置；
17、2-1-5）将所有停留点的初步停留属性信息存入历史数据库之中；
18、2-1-6）从初步停留属性“疑似”、“暂时”和“正常”中，选取一种未处理的初步停留属性；
19、2-1-7）根据车辆id编号的先后顺序，选取一个未处理的车辆id；
20、2-2）停留点的个体停留属性划分：选定的初步停留属性条件下，选取该车辆id在当前时段b所包含的所有停留点位置数据，采用盲目标信息分类boic（blind objectinformation classification，简称boic）算法，对这些停留点的位置信息进行模糊聚类分析，获取相应的个体停留聚类中心和个体停留聚类半径，boic算法的计算过程为：
21、2-2-1）假定停留点的总数目为m，将所有停留点位置信息投射到一个矩形二维平面上，自适应调整矩形二维平面的大小使之刚好囊括所有停留点，此时面积为s，然后网格化该矩形二维平面，由此获得若干网格中心，这些网格中心即为虚拟聚类中心；
22、2-2-2）针对其中任意一个虚拟聚类中心c，对其展开聚类搜索，即以该虚拟聚类中心c为起始聚类中心位置，自适应调整聚类中心的位置以及聚类半径的大本文档来自技高网...
【技术保护点】
1.一种基于车辆停留信息的交通状态在线学习和查询方法，其特征在于，包括如下步骤：
【技术特征摘要】
1.一种基于车辆停留信息的交通状态在线学...
【专利技术属性】
技术研发人员：付建胜，梁旺阳，戴杰，付蓉萍，廉冠，赵红专，张蓓聆，
申请(专利权)人：桂林电子科技大学，
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。