本發(fā)明涉及計算機識別技術(shù)，尤其涉及一種基于gps軌跡數(shù)據(jù)的出行段識別方法。

背景技術(shù)：

傳統(tǒng)居民出行調(diào)查一般采用面對面訪談、紙質(zhì)問卷、郵件和電話等形式，這些方法需要受訪者填寫詳細的出行特征，并且是在一天或者更長時間段內(nèi)出行結(jié)束后進行回憶填寫，受訪者的負擔(dān)較大，填寫的數(shù)據(jù)存在較大誤差。比如，1)出行者通常將出行時間近似為相近的5分鐘、10分鐘甚至15分鐘等，也不提供實際的出行路徑等信息；2)出行調(diào)查的漏報、誤報比例較高，通常處于20％-30％之間，這些都限制了出行數(shù)據(jù)的精度。

近些年，隨著智能手機的快速普及，gps定位技術(shù)的發(fā)展完善，使得基于手機gps軌跡數(shù)據(jù)的出行調(diào)查成為可能。

現(xiàn)有的基于gps軌跡數(shù)據(jù)的出行段識別方法主要存在以下不足：

1)由于gps信號可能存在誤差，現(xiàn)有方法直接使用gps記錄數(shù)據(jù)中的速度值進行相關(guān)計算就會出現(xiàn)較大偏差；

2)缺乏完善的原始數(shù)據(jù)清洗與預(yù)處理方法，如信號漂移點的識別與去除；

3)在識別得到出行端點后，缺乏進一步的判定與去除偽端點的方法；

4)沒有按照傳統(tǒng)的出行定義去合并出行段。

因此，識別得到的出行段與真實的出行之間存在較大偏差，方法實用性不強。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明的目的在于提供一種基于gps軌跡數(shù)據(jù)的出行段識別方法。

本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：主要包括數(shù)據(jù)清洗與預(yù)處理、識別出行端點并去除偽出行端點、合并出行段。該方法在綜合基于規(guī)則法和聚類法優(yōu)點的基礎(chǔ)上，提出了數(shù)據(jù)清洗與預(yù)處理流程，有效剔除了出行端點識別與出行段合并中的噪聲。用軌跡點相鄰區(qū)間的距離與時間差計算該點瞬時速度，運用速度對時間的積分來計算出行距離。適用于基于gps軌跡數(shù)據(jù)的出行段識別，豐富gps軌跡數(shù)據(jù)挖掘算法體系，為大規(guī)模基于智能手機的出行調(diào)查推廣提供理論支撐。

一種基于gps軌跡數(shù)據(jù)的出行段識別方法，其特征在于：包括以下步驟：

第一步、數(shù)據(jù)清洗與預(yù)處理；

1)去除定位衛(wèi)星數(shù)少于4顆的軌跡點；

2)去除海拔高度大于當(dāng)?shù)刈罡吆０蔚能壽E點；

3)信號漂移點識別與剔除：該點與之前5個點的中心距離超過200米，同時與之后5個點的中心距離超過200米；

4)去除瞬時速度超過地面交通工具最大速度的軌跡點；

第二步、識別出行端點并去除偽端點；

根據(jù)gps信號記錄情況分兩種情形識別出行端點，

1)gps信號正常記錄：出行端點處的軌跡點有點聚集的特征，用k均值聚類法識別此類端點；還有一種端點發(fā)生在短暫的接送人情形下，通過計算軌跡點的方向變化以及路段重復(fù)長度識別，方向發(fā)生180度的改變，且重復(fù)路段長度超過50米，即識別為接送人的出行端點；

2)gps信號缺失：缺失段時間差超過2分鐘，且缺失段平均速度(缺失段長度與時間差的比值)小于步行速度最小值0.5m/s，即識別為出行端點；

第三步、合并出行段；

第二步得到的出行端點即活動發(fā)生點，去除活動范圍小于50米的出行端點，得到所有的出行端點，合并各出行端點之間的出行段。

進一步的，第二步所述的k均值聚類法識別可能的出行端點，定義一個簇并給定簇內(nèi)最少的點數(shù)m＝5個和聚類半徑d＝10米，判斷該簇中位點和簇外下一點之間的距離，如果小于d/2，則將該點加入簇中，否則結(jié)束該簇，直到所有的點都被遍歷到，最終建立的各簇即為可能的出行端點，每一個簇的時間差至少為2分鐘，否則作為偽端點并去除。

進一步的，第三步所述的出行段，各出行段需滿足：出行段長度大于400米，出行時間超過5分鐘，否則該出行段并入上一出行段。

相比現(xiàn)有技術(shù),本發(fā)明具有如下有益效果:

本發(fā)明有效剔除了出行端點識別與出行段合并中的噪聲，算法簡易、高效、識別結(jié)果精準(zhǔn)、可靠。本發(fā)明可以豐富gps軌跡數(shù)據(jù)挖掘算法體系，為大規(guī)?；谥悄苁謾C的出行調(diào)查推廣提供理論支撐。

附圖說明

圖1一種基于gps軌跡數(shù)據(jù)的出行段識別流程圖

圖2信號漂移點識別與刪除

圖3軌跡點速度計算示意圖

圖4出行段距離計算

具體實施方式

下面對本發(fā)明的實施例作詳細說明，本實施例以本發(fā)明的技術(shù)方案為依據(jù)開展，給出了詳細的實施方式和具體的操作過程。

一、數(shù)據(jù)清洗與預(yù)處理

采集的gps軌跡數(shù)據(jù)一般包括：用戶編號、定位時間、經(jīng)度、緯度、海拔、速度、方向和定位衛(wèi)星數(shù)。

根據(jù)用戶編號，gps數(shù)據(jù)按照時間順序分配到每個人每天的出行。

根據(jù)以下規(guī)則進行數(shù)據(jù)清洗與預(yù)處理：

1、去除定位衛(wèi)星數(shù)少于4顆的軌跡點；

2、去除海拔高度大于200米(上海地區(qū))的軌跡點；

3、信號漂移點識別與剔除：該點與之前5個點的中心距離超過200米，同時與之后5個點的中心距離超過200米；詳細圖例見圖2。

4、去除瞬時速度超過150km/h的軌跡點。

注：

1)軌跡點瞬時速度的計算：vi＝(disi-1,i+disi,i+1)/(timei+1-timei-1)其中，disi-1,i表示第i-1個軌跡點與第i個軌跡點之間的距離，timei-1表示第i-1個軌跡點的時刻。詳細圖例見圖3。

2)出行段距離計算：計算出行段距離時，與以往直接累加所有軌跡點間直線距離不同，本方法提出通過軌跡點速度對時間的積分得到出行距離：

如圖4所示，速度折線與橫軸圍成的面積即是該段出行距離。

二、識別出行端點并去除偽端點

根據(jù)gps信號記錄情況分兩種情形識別出行端點。在gps信號記錄正常時，出行端點處的軌跡點會有點聚集的特征，使用k均值聚類法識別此類端點；還有一種端點發(fā)生在短暫的接送人情形下，可以通過計算軌跡點的方向變化以及路段重復(fù)長度識別。

gps信號正常記錄：

1)運用k均值聚類法識別可能的出行端點。定義一個簇并給定簇內(nèi)最少的點數(shù)m＝5個和聚類半徑d＝10米，判斷該簇中位點和簇外下一點之間的距離，如果小于d/2，則將該點加入簇中，否則結(jié)束該簇，直到所有的點都被遍歷到，最終建立的各簇即為可能的出行端點。每一個簇的時間差至少為2分鐘，否則作為偽端點并去除；

2)方向發(fā)生180度的改變，且重復(fù)路段長度超過50米，即識別為接送人的出行端點。

gps信號缺失：缺失段時間差超過2分鐘，且缺失段平均速度(缺失段長度與時間差的比值)小于步行速度最小值0.5m/s，即識別為出行端點。三、合并出行段

第二步得到的出行端點即活動發(fā)生點，去除活動范圍小于50米的出行端點，得到所有的出行端點，合并各出行端點之間的出行段；

根據(jù)傳統(tǒng)交通意義上出行的定義，各出行段須滿足：出行段長度大于400米，出行時間超過5分鐘，否則該出行段并入上一出行段。

實例驗證：

實驗共搜集到125名上海地區(qū)用戶上傳的有效gps軌跡數(shù)據(jù)，包括841人·天的2793492個gps軌跡點。其中，共有7.4％的無效gps軌跡點在數(shù)據(jù)清洗和預(yù)處理中被剔除，識別的整體正確率達到98.08％，錯誤率僅為3.22％；共有89個出行段被合并。出行段屬性方面，識別的平均出行時長比真實值少88秒(4.3％)；對應(yīng)地，平均出行距離比真實出行距離少336米(3.0％)。由此可見,利用本發(fā)明所述方法基于gps軌跡數(shù)據(jù)可以實現(xiàn)出行段的精準(zhǔn)識別。

表1

表2

以上實施例為本申請的優(yōu)選實施例，本領(lǐng)域的普通技術(shù)人員還可以在此基礎(chǔ)上進行各種變換或改進，在不脫離本申請總的構(gòu)思的前提下，這些變換或改進都應(yīng)當(dāng)屬于本申請要求保護的范圍之內(nèi)。