[发明专利]大规模出租车OD数据可视分析方法

权利要求书

1.大规模出租车OD数据可视分析方法，包括以下步骤：

1)、消除GPS原始数据中的噪音，保证GPS点的经纬度坐标和在线地图的地理坐标系一致；

2)、通过ST-matching算法将出租车轨迹的GPS点匹配到相应的道路上，以此来校准GPS点；

3)、利用车载标志来提取出租车打车上下客信息，并且利用网格索引技术，将轨迹数据进行网格化存储；

4)、采用bin聚类，聚类完成之后，可以生成热度图和聚类图，即本文系统的OD分布全局概览视图，展示了出租车轨迹的起点/终点的分布情况；根据不同的时间跨度或时间区间生成不同的热度图及聚类图；

5)、通过热度图和聚类图,选择感兴趣的区域或有特点的区域；

6)、选择感兴趣的区域后，用可视化组件环形像素图和时空堆栈图展示O/D模式时空分析视图；环形像素图中，中间的环形区域即为根据上述映射方式所作的OD数据的空间分布展示；环形区域的每一个小扇形即为一个像素点；像素点在极坐标系中的位置代表该像素点是被选中区域距离为[(r-1)*2km,r*2km)之间、方向夹角在之间的那些OD信息的可视化编码；像素点的颜色深浅表明OD数据量的大小，颜色越深代表这个距离内、这个方向上的数据分布越密集；使用交互式工具，包括选择，过滤和分离来分析投影到不同维度的数据；根据距离和方向属性，O/D数据使用环形像素图聚集和展示，从环形像素图发现有意义的像素；环形像素图提供数据不同的聚集尺度包括小时，天，周，月，年的可视化表示；

7)、如果用户想进一步挖掘一定距离和方向的区域的时间特性，将环形像素图的数据向方向或距离这两个维度分别做投影，进一步集聚为时空堆栈图；时空堆栈图将被选中区域在某个方向上或某个距离下的OD数量按时间变化情况展示出来，横轴表示时间，不同颜色编码表示不同方向或者距离，条带高度表示编码OD数量大小；对方向维度做投影后的时空堆栈图，当高亮某个方向时候，小箭头图标表明层是所属的具体方向：箭头往上表示向正北，箭头向下则表示向正南，以此类推；对距离维度做投影后的时空堆栈图；图中从下往上的不同层表示距离被选中区域由近到远的分布情况；其中层数越多表示距离越远；其中第1层表示3km以内，第2层表示3km到6km内，以此类推；

8)、通过高亮环形像素图一个或几个临近像素或时空堆栈图中的层来交互选择一对起始和终止区域；OD数据轨迹视图展示了以被选中区域为起点出发到终点的出租车OD数据轨迹分布，分析选定区域的具有时空模式的OD数据后，分析员对进一步挖掘起始区域和终止区域之间的轨迹感兴趣；时间范围、路网距离和行程时间，这三个轨迹属性对于研究人类活动的特征、出租车路线和交通状况来说很重要；柱状像素图可视化地表现了这三个属性间的复杂关系；通过O/D轨迹视图和柱状像素条形图进一步研究这两个区域中人类运动的模式。

2.如权利要求1所述的大规模出租车OD数据可视分析方法，其特征在于：所述的步骤4)生成热度图包括以下步骤：

(4.1a)由于出租车OD轨迹的存储采用了网格索引技术，因此利用bin聚类的思想，将地图区域分成1000×1000的矩形块，在每一个网格中统计起点或终点落在该网格内的OD轨迹数目；

(4.2a)然后将网格中的OD统计数据的数值通过颜色映射，用热度图的方式绘制在Google地图上；其中热度图中红色的图层颜色越深表示轨迹的数目越大，否则表示数目非常稀少或者为0；

所述的步骤(4)生成聚类图包括以下步骤：

(4.1b)去除那些轨迹数目非常少的网格，

(4.2b)如果存在未被聚类的标记，则选择之；否则算法结束；

(4.3b)如果该标记位于某一聚类所代表的网格中，则将该标记添加至该聚类中，同时计算该网格中所有标记的几何中心作为该聚类的新聚类中心，转(4.2b)；否则，将该标记构造为一个新的聚类，聚类所代表的网格大小根据地图缩放比例自动设置，转(4.2b)。

3.如权利要求1所述的大规模出租车OD数据可视分析方法，其特征在于：所述的步骤8)包括以下步骤：

(8.1)四个可视话组件相互配合；通过交互，用户在不同视图间切换，并对数据有了更深层次的理解；交互过程遵循“A→B→C→D(→A)”的反馈循环；上述的4)，6)和7)点分别反映了“A→B”，“B→C”和“C→D”；当用户与环形像素图的像素进行交互时，时空堆积图将相应地改变；这种协调也属于“B→C”；

(8.2)更重要的是，当用户突出显示环形像素图的特定像素或时空堆栈图的特定层时，O/D轨迹视图和柱状像素条形图将被绘制；后两个可视化组件相关联，并根据前两种可视化组件的变化保持更新；这些都分别反映了“B→D”，“B→A”和“C→D”，“C→A”交互。