[发明专利]基于时空聚类分析算法的交通出行起讫点识别方法

权利要求书

1.一种基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：包括如下步骤：

步骤一、用手机GPS定位仪采集居民一天完整出行时空定位数据；

步骤二、对步骤一采集的数据进行预处理，剔除异常数据并修补缺失数据；

步骤三、利用基于密度的时空聚类分析算法识别交通出行起讫点：

(1)确定E邻域内的样本点数MinPts：以累计概率达到特定百分比的出行端点停留时长作为MinPts；

(2)确定空间距离半径Eps：统计每个轨迹点的邻域内包含MinPts个点时所需的邻域半径，并绘制成折线图，找出折线图中存在的拐点，以此拐点的距离作为Eps；

(3)确定时间距离△T：△T＝MinPts；

(4)以上述三个参数作为相应的点簇拓展条件寻找密度相连对象的最大集合作为点簇，将这些点簇作为出行起讫点，点簇的时长即为出行起讫点停留时长，点簇的经纬度位置即为起讫点地理位置；

步骤四、按不同用户及用户出行时间顺序统计形成最终交通出行起讫点识别结果，包含居民一天完整出行过程中所有出行起讫点的时间段和位置信息。

2.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：根据点簇拓展条件寻找密度相连对象的最大集合作为点簇的方法为：从任选一个未被访问过的点开始，找出与其距离在Eps与△T之内的所有附近点；如果附近点的数量大于等于MinPts，则当前点与其附近点形成一个簇，并且出发点被标记为已访问；然后递归，以相同的方法处理该簇内所有未被标记为已访问的点，从而对簇进行扩展，直至簇内的所有点被标记为已访问；然后用同样的方法去处理未被访问的点。

3.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：步骤一所述的数据采集时间间隔为1秒。

4.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：步骤一所述采集的数据包括：出行时间、卫星数、定位经纬度和速度。

5.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：步骤二所述剔除异常数据的方法为：删除可见卫星数少于4颗的定位记录；删除瞬时速度变化值大于25km/h的定位记录。

6.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：步骤二所述缺失数据修补的方法为：计算数据缺失前30秒轨迹中心点与缺失后30秒轨迹中心点的距离，若距离小于800米，则以这两个中心点为端点，以缺失数据时长为个数，均匀按照两个端点经纬度差值修补轨迹点。

7.根据权利要求1所述的基于时空聚类分析算法的交通出行起讫点识别方法，其特征在于：步骤四所述统计形成最终交通出行起讫点时，若识别出的起讫点中包含时间相邻的两个或多个起讫点，则计算上一个起讫点的最后一个轨迹点与下一个起讫点第一个轨迹点的时间间隔与距离；若时间间隔小于600秒或距离小于500米，则将这两个起讫点合并为一个起讫点。