[发明专利]基于BCS-DBSCAN的出租车载客热点可视化方法及系统

说明书

本发明公开了一种基于BCS‑DBSCAN的出租车载客热点可视化方法及系统，该方法首先对大量出租车GPS数据轨迹进行清洗，提取GPS数据轨迹中的上车数据点或下车数据点；对提取的数据点进行多线程分块聚类，根据两点之间的曲面距离找出扫描半径内的邻居节点，找出每个簇中的最大密度点，作为簇心，并对簇心集合再次循环聚类直至集合数量、精度满足要求。迭代聚类结束后，根据标记统计查询出该各类簇中样本点数量。最终结合各类簇簇心和样本点数量，通过移动热力图模型决策阈值，对载客热点热力图渲染从而达到可视化效果。本发明可以适应大规模轨迹数据，便于识别城市出租车载客热点，多线程并行聚类速度快、精确度高，可视化效果好。

技术领域

本发明涉及交通大数据领域，尤其涉及一种基于BCS-DBSCAN(Big-data Clusterheart Statistics-DBSCAN)的出租车载客热点可视化方法及系统。

背景技术

随着城市化交通的发展，可视化分析技术在城市交通热点区域分析过程中起着关重要的作用。搭建合理的可视化模型可以有效的展示城市热点的时空分布特征，进而为城市规划等提供重要的决策信息。

DBSCAN是最常用的一种基于密度的聚类方法。传统的DBSCAN算法在聚类海量出租车行车轨迹数据点具有无法适应大规模数据、无法识别类簇中心、过程式单线程聚类速度慢等局限性。

现有技术中，基于交通数据的出租车热点可视化包括三种方式：(1)直接可视化：该可视化是最基本的可视化方法，如JindongZhang等通过对预处理后的GPS轨迹数据进行道路路口类型匹配，并生成相应的路径映射来合成整个地图。(2)聚集可视化：对海量数据可视化时，若采用直接可视化会导致结果杂乱无章，很难直接观察出真正的热点区域。故冯琦森等采用VSC Douglas-Peucker轨迹压缩算法和聚类算法将数据点以聚集的方式展示出来。(3)特征可视化：如赵利刚等在数据可视化的过程中引入一个轨迹颜色饱和度a来编码每一个聚类子集中轨迹的亮度，其中a越大表明交通状况越差。通过轨迹颜色的深浅判断交通状况进而实现区域热点的可视化。

无论是直接可视化方法还是通过进一步处理的聚集可视化、特征可视化方法，这些算法在聚类热点区域中，均取得较好的检测效果，将热点和热点路段成功聚类。但在可视化方面，这些算法只是简单的将聚类结果匹配在地图上进行显示，没有直观的将热点区域或者热点路段根据密度显示在地图，无法判断热点区域之间的热力关系。

发明内容

发明目的：针对现有技术存在的问题，本发明目的在于提供一种基于BCS-DBSCAN的出租车载客热点可视化方法及系统，既适用于大规模数据又能高效准确的找出类簇簇心并提供可视化效果。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

一种基于BCS-DBSCAN的出租车载客热点可视化方法，包括以下步骤：

(1)对数据进行清洗，提取GPS数据轨迹中的上车数据点和下车数据点；

(2)将提取的上车数据点或下车数据点写入轨迹点队列并分组后放入线程池中进行聚类，根据设定的扫描半径和最小簇点数采用DBSCAN算法聚类，并对每个类簇内的相关样本点的簇号属性标记簇序号；

(3)对每个簇内各点进行密度计算，找出簇中密度最大点的作为簇心；

(4)清空轨迹点队列，并将簇心集合重新写入轨迹点队列中再次分组聚类、找出簇心，直到最终簇心集合数量达到设定的载客热点数量范围；

(5)遍历最后一次轨迹点队列中的所有轨迹点，通过各类簇序号标记，分别统计出各类簇中的样本点数量，得到相应类簇中心对应的区域热力；所述热力指在热力图可视化中反应当前高亮区域颜色的指数；

(6)对各类簇样本点数量进行聚类，选取聚类中心结果中最大值作为全局热力图最高热力值；