[发明专利]基于出租车上下客点空间聚类的交通小区中心点选取方法

说明书

一种基于出租车上下客点空间聚类的交通小区中心点选取方法，包括首先获取出租车GPS数据并进行数据清洗；提取每辆出租车的上、下客点，每一处的上、下客点数据为一个样本数据；对出租车上、下客点数据进行地图匹配，消除因GPS精度不准造成的误差；采用网格划分法，将城市空间划分为有限数量的网格单元以形成网格结构的交通小区，并将地图匹配修正后的出租车上下客点数据归至所在的交通小区，经过对属于每个交通小区的出租车上下客点聚类，提取出核心对象点数据，将交通小区的上下客点聚类核心与距离最近的路段匹配，选取距聚类核心最近的路段，并将核心对象点投影到该路段上，投影点即为该交通小区的中心点。本发明的中心点选取合理。

技术领域

本发明涉及智能交通领域，涉及一种基于出租车上下客点空间聚类的交通小区中心点选取方法，实现对交通小区的中心点进行更加合理的选取，提高交通管理水平。

背景技术

由于GPS地理感知设备的日渐普及，车辆、人等的移动轨迹数据量急剧增加，分析这些数据能帮助人们认知身边的城市，为相关部门人员提供丰富、准确的辅助信息。

出租车作为城市交通的重要组成部分，对于反映居民的出行时空规律具有重要的指征作用。从出租车GPS轨迹数据中能够挖掘出很多重要的交通信息，例如出租车载客的上下客点分布等，这些信息可以应用于城市规划以及智能交通等领域。

交通小区一般是指具有一定交通关联度和交通相似程度的节点或连线的组合，将一个城市的交通网络覆盖区域划分为若干个交通小区，获得划分后交通小区的范围和中心点等属性，便于从直观层次上理解交通出行规律，从而有助于制定合理的交通管理措施。

现有交通小区选取中心点的方法，一般依据路段与路段之间或交叉口与交叉口之间的关联度。目前，常用选取交通小区中心点的方法有：选取与交通小区几何中心距离最近的道路交叉口作为交通小区中心点。例如论文《T-Share:A Large-Scale Dynamic TaxiRidesharing Service》中使用路网上最靠近交通小区几何中心的道路交叉口来表示交通小区中心点。该方法较简单，处理速度快，但所选择的中心点不能表示交通小区中最优的出租车停留站点，与实际出租车停留站点误差较大，不能全面地反应交通出行情况，继而不能有效地解决乘客出行需求。目前还没有基于出租车乘客上下客点空间聚类的交通小区中心点选取方法。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于出租车上下客点空间聚类的交通小区中心点选取方法，通过将城市划分为有限数目的单元以形成网格结构的交通小区，利用已有的出租车GPS数据，挖掘出租车乘客的上下客点分布，利用空间聚类，地图匹配等相关技术，计算出交通小区的中心点信息，实现交通小区的中心点选取。

为了实现上述目的，本发明采用的技术方案包括以下步骤：

步骤一、获取出租车GPS数据，并进行数据清洗；

步骤二、提取每辆出租车的上客点和下客点，每一处的上、下客点数据为一个样本数据；

步骤三、对出租车上、下客点数据进行地图匹配，消除因GPS精度不准造成的误差；

步骤四、采用网格划分法，将城市空间划分为有限数量的网格单元以形成网格结构的交通小区，并将地图匹配修正后的出租车上、下客点数据归至所在交通小区；

步骤五、对属于每个交通小区的出租车上下客点进行聚类，提取出核心对象点数据；

若一个交通小区通过聚类得到的核心对象点只有一个，则直接将该核心对象点作为交通小区的上下客点聚类核心；若通过聚类，在一个交通小区内得到多个核心对象点，则使用算术平均法求得多个核心对象点的中心点，将其作为交通小区的上下客点聚类核心；

步骤六、将交通小区的上下客点聚类核心与距离最近的路段进行匹配，选取距聚类核心距离最近的路段，并将核心对象点投影到该路段上，将投影点作为该交通小区的中心点。