[发明专利]一种基于欧氏空间的车辆汇聚预测方法

说明书

技术领域

本发明涉及智能交通技术领域，具体涉及一种基于欧氏空间的车辆汇聚预测方法。

背景技术

如今，面对着全球信息化的发展趋势，传统的交通技术和手段已经不再适应经济社会的发展要求。智能交通系统是交通事业发展的必然选择。智能交通随着传感器技术、通信技术、GIS技术(地理信息系统)、3S技术(遥感技术、地理信息系统、全球定位系统三种技术)和计算机技术的不断发展而发展。

近年来，随着卫星定位技术的成熟和普遍，现在的交通工具，包括车辆，基本都配备了卫星定位设备来对车辆的轨迹进行定时记录。因此，每天会有大量的车辆卫星定位轨迹数据产生。对车辆运营过程中产生的卫星定位数据进行数据挖掘是智能交通领域的研究热点。

现有的对于卫星定位数据进行挖掘的方法有很多。例如Guo Q,Luo J,等人在文献“A data-driven approach for convergence prediction on road network”(Web and Wireless Geographical Information Systems.Springer Berlin Heidelberg,2013:41-53)中提出了一种基于路网的预测车辆未来轨迹的方法，该方法中不需要事先知道任何的个人驾驶习惯，并且提出了一个统计模型来预测实时的基于路网的车辆汇聚情况。

由于一些实际因素的影响，譬如传输过程中的包丢失、时间间隔过长的定时位置更新策略等，车辆等移动对象的位置更新可能会遗漏部分路径信息，因此导致数据库中的车辆卫星定位轨迹存在不确定性。

针对该问题，郭黎敏等人在文献“基于路网的不确定性轨迹预测”(计算机研究与发展，2010,47(1):104-112.)中提出了一种基于路网的不确定性轨迹生成的方法及其表示形式以及不确定性轨迹频繁模式挖掘的算法，此外还提供了一种快速查找轨迹模式的索引结构。该方法提供了一种能够减少实际过程中遇到的如包丢失等情况所带来的误差的有效方法，但是也存在如下问题：前提是必须知道路网信息的情况下，才能进行后续操作。

发明内容

针对现有技术的不足，本发明提出了一种基于欧氏空间的车辆汇聚预测方法。

一种基于欧氏空间的车辆汇聚预测方法，包括如下步骤：

(1)获取待预测区域内所有车辆的载客运行轨迹，并对各个载客运行轨迹进行预处理；

(2)对所述步骤(1)的预处理结果进行线段聚类得到聚类结果，并根据所述的聚类结果进行运动模式挖掘；

(3)根据当前时刻各个车辆的位置和运动模式挖掘结果，预测设定时间内到达设定位置的车辆。

本发明中待预测区域应理解为设定位置所在的地区，通常为一个城市或城市中某一设定区域根据应用需求设定。

本发明中载客轨迹可通过如下方法获取：

首先获取待预测区域内所有车辆在设定时间段内运行的历史卫星定位数据(直接从车辆公司获取)。所述的卫星定位数据包括车牌号、各个卫星定位数据获取的时间戳，位置(位置坐标，包括经度和纬度)、重车状态等等。其中，重车状态表示处于载客状态，轻车状态表示处于未载客状态。

然后针对每一辆车辆，对其历史卫星定位数据进行筛选，筛选出卫星定位数据中车辆载客时(即为重车状态时)的卫星定位数据，并将筛选出的卫星定位数据按照车牌号和时间戳排序，然后以各个卫星定位数据作为轨迹点绘制得到该车辆的载客运行轨迹。

所述步骤(1)中通过如下步骤对每一个载客运行轨迹进行预处理：

(1-1)确定该载客运行轨迹的时间跳跃点和空间跳跃点的位置，并根据时间跳跃点和空间跳跃点的位置对该载客运行轨迹进行轨迹分离；

(1-2)采用Douglas-Peucker算法对轨迹分离后的结果进行轨迹简化得到预处理后的载客运行轨迹。

作为优选，通过如下方法确定时间跳跃点的位置：

若载客运行轨迹中任意两个相邻的卫星定位数据(轨迹点)对应的时间戳的间隔大于设定的时间阈值，则认为该相邻的两个卫星定位数据之间存在时间跳跃点。

进一步优选，通过如下方法确定空间跳跃点的位置：

若载客运行轨迹中任意两个相邻的卫星定位数据(轨迹点)对应的位置之间空间欧几里得距离(即欧氏距离)的大于设定的空间阈值，则认为该相邻的两个卫星定位数据之间存在空间跳跃点。

其中，时间阈值和空间阈值根据车辆的运行规律设定，时间阈值通常为10～20分钟，优选为15分钟。空间阈值为2～3km，优选为2.5km。