[发明专利]基于卡口数据的车辆出行轨迹识别方法

说明书

本发明提供一种基于卡口数据的车辆出行轨迹识别方法，采用谱聚类方法，从卡口数据的时空特性角度实现出行链的自动拆分，从而识别出单次出行轨迹的起点、终点以及途经点位，具体为，生成车辆当日的完整出行链；建立相似矩阵S；计算邻接矩阵W与度矩阵D；构建拉普拉斯矩阵L，进一步确定特征矩阵F；采用DBSCASN聚类算法进行聚类分析，得到簇划分结果；确定轨迹点的簇划分结果，生成子轨迹；该方法兼顾车辆通行的时间与空间属性，与依据行程时间进行的轨迹划分方法相比更为全面。无需预设阈值，完全由实测数据驱动实现车辆通行轨迹识别，提高轨迹识别的准确性。该分析结果可用于车辆出行行为识别、出行特征分析、交通流OD估计等。

技术领域

本发明涉及一种基于卡口数据的车辆出行轨迹识别方法。

背景技术

卡口设备记录通过检测点的所有车辆以及具体时间，由卡口过车检测数据能够生成车辆出行链，这在车辆跟踪、出行行为分析中具有重要作用。而如何从出行链中提取具体每一次出行的轨迹是研究和应用的关键。中国专利CN201410256101.5《一种车辆轨迹的生成、聚合方法和装置》采用了阈值法处理两条过车记录间的时间差，判断当前点位是否为尾卡口。中国专利CN201610272669.5《基于动态阈值的识别车辆轨迹中停靠路段的方法》则提出一种基于行程时间动态阈值的分析方法，确定轨迹中的停靠路段。

时间阈值法是当前卡口轨迹识别的一种主流方式。但以时间差作为两次出行的判别依据，很容易出现误判的情况。例如，在某些包含拥堵路段、路口的出行轨迹中，容易发生因拥堵延误过多而将完整的轨迹进行多次拆分的情况。即使采用动态阈值方法，将行程时间波动情况考虑在内，但也忽略了轨迹点的空间属性特征。

发明内容

本发明的目的是提供一种基于卡口数据的车辆出行轨迹识别方法，基于卡口数据所能反映的轨迹点时空特征，对单次出行轨迹自动识别，确定当日的车辆每次出行的起点、终点、途经点位以及通过时间，解决现有技术中存在的问题。

本发明的技术解决方案是：

一种基于卡口数据的车辆出行轨迹识别方法，采用谱聚类方法，从卡口数据的时空特性角度实现出行链的自动拆分，从而识别出单次出行轨迹的起点、终点以及途经点位；具体步骤为：

S1、读取卡口设备在一日内检测的过车数据，根据过车数据中的号牌号码，对于当日路网内所有通行经过卡口位置的车辆，均生成车辆当日的完整出行链；

S2、采用高斯核函数RBF建立相似矩阵S，矩阵中的元素其中i,j∈[1,n]，p_i、p_j为轨迹点坐标，t_i、t_j为通过轨迹点坐标的时间，ρ_p、ρ_t为轨迹点坐标、通过轨迹点时刻的标准差；

S3、计算邻接矩阵W与度矩阵D，邻接矩阵W＝S，即其中元素w_i,j＝s_i,j；度矩阵D为对角阵，D＝diag(d₁,…,d_i,…,d_n)，

S4、构建拉普拉斯矩阵L，进一步确定特征矩阵F；

S5、提取特征矩阵F的每一行组成1*k维样本矩阵f，对全部n个样本采用DBSCASN聚类算法进行聚类分析，得到簇划分结果{F₁,···,F_i,···,F_m}；其中m为聚类产生的簇的数量，簇F_i由若干个样本矩阵组成；

S6、根据每一个簇内的样本矩阵，确定轨迹点的簇划分结果Tr＝{tr₁,···,tr_i,···,tr_m}，其中tr_i是由若干轨迹点x组成的序列，每一个序列即为出行链拆分后的子轨迹；子轨迹的首末轨迹点即为对应的单次出行的起、终点。