[发明专利]基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法

权利要求书

1.基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是，包括步骤：

第一步，对路网卡口系统捕获的车牌识别数据进行粗差探测和剔除；

所述粗差探测和剔除进一步包括：

（1.1）识别并剔除离散点和跳跃点，具体为：

（1.1a）利用路网中各卡口站点间的空间位置关系构建卡口站点邻接表；

（1.1b）利用SQL语句从车牌识别数据中获得同一车辆单次出行经过的点位，将所获得点位按该车辆经过时间排序获得该车辆该次出行的点位集；

（1.1c）结合邻接表，逐一判断点位集中各点位是否为离散点或跳跃点；

所述离散点指与其前后点位间的可达距离均远大于S₀的点位，S₀为与所在城市相邻点位间距离相关的距离阈值，距离阈值S₀的设置是用来剔除与相邻点位间距离完全不合理的离散型点位；所述跳跃点指与前一点位时间上相邻但空间位置不相邻的点位；

（1.1d）剔除离散点和跳跃点对应的车牌识别数据；

（1.2）基于行车距离值的粗差点验证，具体为：

遍历剔除了离散点和跳跃点的点位集，计算当前点位和其前后点位间的可达距离的较小值S、以及其前后点位间的最短可达距离S’，当S远大于S’，则当前点位为粗差点，剔除其对应的车牌识别数据；

（1.3）基于行车速度值的粗差点验证，具体为：

遍历经过行车距离值验证的点位集，逐一获取车辆在点位集中相邻两点位间的行车速度值，当行车速度值不合理，则相邻两点位中后一点位为粗差点，剔除其对应的车牌识别数据；

第二步，基于粗差剔除后的车牌识别数据提取车辆出行轨迹，具体为：

（2.1）对经过第一步进行粗差剔除后的点位集，获取点位集中每相邻两点位间的最短路径，所有最短路径组成车辆出行轨迹的覆盖树；

（2.2）采用路径计算算法对覆盖树计算最长路径，即车辆出行轨迹。

2.如权利要求1所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

判断离散点的一种具体方法为：

设置一经验值N，判断点位与其前后两点位间的可达距离是否均大于N* S₀，若均大于N*S₀，则该点位为离散点；反之则不是；

N取值需考虑路网中所设置卡口之间距离，并经反复调试来获取合适值。

3.如权利要求1所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

子步骤（1.2）中，判断行车速度值不合理的一种具体方法为：

考虑车辆行车速度上限及城市的实际行车情况，设置一行车速度阈值，车辆在相邻两点位间的行车速度值大于行车速度阈值，则认为行车速度值不合理。

4.如权利要求1所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

子步骤（1.3）中，判断S是否远大于S’的一种具体方法为：

设置一经验值N’和判断式S> N’*S’，当符合判断式，则认为S远大于S’；

N’取值需考虑城市的实际出行情况和路况，并经反复调试来获取合适值。

5.如权利要求1所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

子步骤（2.1）中，点位集中每相邻两点位间的最短路径采用如下方法获得：

判断相邻两点位所在路段是否为相邻路段，若为相邻路段，直接取相邻两点位之间的路径作为最短路径；否则，利用路径计算算法计算最短路径。

6.如权利要求1所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

子步骤（2.2）中，采用路径计算算法对覆盖树计算最长路径，具体为：

从覆盖树中任意选择一路段s，从路段s出发，采用路径计算算法求最长路径，将该最长路径另一端点所在路段记为s’；从路段s’出发，再次采用路径计算算法求最长路径，即车辆出行轨迹。

7.如权利要求5或6所述的基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法，其特征是：

所述路径计算算法为Dijkstra算法或A*算法。