[发明专利]一种基于GPS轨迹数据的出行方式识别方法

权利要求书

1.一种基于GPS轨迹数据的出行方式识别方法，其特征在于：

根据GPS信号分三种情况，GPS信号缺失，GPS信号不完整，GPS信号正常；

a.GPS信号缺失，基于规则的地铁单方式出行的识别方法：

1)地铁单方式段持续时间大于5分钟；

2)GPS轨迹点的最大速度小于地铁最高速度；

3)地铁单方式段的起点与最近的地铁出入口之间的距离小于100米；

4)地铁单方式段的终点与最近的地铁出入口之间的距离小于200米；

b.GPS信号不完整，基于规则的地铁单方式的识别方法：

1)满足所述的GPS信号缺失，基于规则的地铁单方式段出行的识别方法的所有要求；

2)除起点和终点外的所有GPS轨迹点与最近的地铁线路之间的距离小于30米；

c.GPS信号正常的其他出行方式采用随机森林分类器,包括以下步骤：第一步、GPS轨迹数据准备：

采集的GPS轨迹数据包括：用户编号、定位日期、时间、经度、纬度、速度、海拔、方向和定位卫星数，根据用户编号，GPS轨迹数据按照时间顺序分配到每个人每天的出行，即摘取每人每天的出行轨迹点并进行相关参数的计算，

1)计算每个点瞬时速度；

2)计算每个点瞬时加速度；

3)计算每个点方向变化值；

4)计算特征参数：计算每个单方式出行段的速度、加速度、方向变化和距离/出行时长4个方面的特征作为方式识别的输入参数；

第二步、特征参数筛选：

将第一步数据作为全样本输入Weka进行参数筛选，使用不同的搜索方法和相应的评估策略来搜索，直至找出使得全样本出行方式分类最佳的组合，筛选出7个显著特征参数：出行距离，平均速度，50分位速度S50，75分位速度S75，95分位速度S95，平均方向变化量和速度偏度；

第三步、随机森林分类器出行方式识别：

按照第2步筛选的特征参数整理每个单方式出行段，这样得到每个单方式出行段的特征参数集，使用Weka Explorer的分类功能，系统随机把所有样本分为60％和40％两部分，60％的样本用于建模训练，40％的样本用于验证测试。

2.根据权利要求1所述的一种基于GPS轨迹数据的出行方式识别方法，其特征在于，第二步所述的搜索方法分别使用可回溯的贪婪搜索扩张Bestfirst、向前或向后的单步搜索Greedystepwise以及属性判据值排序法Ranker；

第二步所述的评估策略分别使用CfsSubsetEval根据属性子集中每一个特征的预测能力以及它们之间的关联性进行评估、WrapperSubsetEval使用一种学习模式对属性集进行评估、WrapperSubsetEva通过反复测试一个实例和其同类或不同类中最近的实例上的属性值进行评估、GainRatioAttributeEval根据与分类有关的每一个属性的增益比进行评估、InfoGainAttributeEval根据与分类有关的每一个属性的信息增益进行评估；

使用以上3种搜索方法和对应的5种评估策略对全样本进行特征参数筛选，若评价函数最优，则停止筛选，否则继续，直到找出最优的参数组合使得评价函数最优，按照整体分类识别率最高的一组，该组所选参数即为第3步方式识别的输入参数。

3.根据权利要求1所述的一种基于GPS轨迹数据的出行方式识别方法，其特征在于，第二步所述的7个显著特征参数中，通过速度将步行出行方式识别出来，通过出行距离将小汽车出行方式识别出来；通过平均方向变化量将步行与自行车与其他方式区分开；通过速度偏度将自行车出行方式识别出来；剩下的电动车与公交车通过95分位速度区分开，公交车的95分位速度高于电动车。

4.根据权利要求1所述的一种基于GPS轨迹数据的出行方式识别方法，其特征在于，GPS轨迹点记录间隔为1个/秒。