[发明专利]一种基于DBSCAN+的道路拥堵识别可视化方法

说明书

本发明公开了一种基于DBSCAN+的道路拥堵识别可视化方法，首先对城市中大量浮动车OBD车载终端上传数据进行预处理及清洗；根据其瞬时速度提取单位时段内行驶缓慢GPS轨迹点数据；设定DBSCAN+算法参数，对提取的数据点通过并行聚类获取行驶缓慢区域初始类簇块；通过对类簇块内各数据点之间分别计算地表距离，找出最远两点并拟合线段；根据实际路网中各路段间拓补关系将拟合线段进行地图匹配纠偏；最终通过分别计算各类簇块内不同车辆单位时间段内行驶距离，并综合计算平均行驶距离判断各类簇块拥堵程度，并以不同颜色表示加以区分可视化。本发明可以适应大规模城市出租车OBD终端GPS轨迹数据，便于实时通过出租车运行情况识别城市道路拥堵，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DBSCAN+(Density-BasedSpatial Clustering of Applications with Noise Plus，基于密度的具有噪声加的应用空间聚类)的道路拥堵识别可视化方法。

背景技术

随着城市交通拥堵问题的日益严重，建立有效的道路拥堵识别系统，并准确识别出城市中交通拥堵路段成为目前的研究方向。

在现有交通拥堵检测技术中，通过对交通数据的处理方式和选取的特征值的不同，交通拥堵检测方法可以分为以下几类：(1)基于车辆行驶速度：将一些用车载GPS直接探测出的车辆速度数据处理后直接使用，或者通过车辆的时间及里程数据计算得出。Xu L等利用浮动车数据提取车辆速度，将道路拥堵判为不同级别，针对拥堵级别以及路段位置综合分析，并通过时空关系识别出低速路段的拥堵事件。(2)基于车辆密度：从车辆的GPS数据或交通监控录像中提取其位置信息，整合位置信息后根据密度聚类，并对拥堵类簇综合分析。Sole-Ribalta等考虑路段和路口车辆数量，提出了一种基于复杂网络的围观拥堵模型来检测交通拥堵热点区域。(3)基于车辆行驶时间：车辆延误时间超过无拥堵情况下的通过所需时间被定义为为交通拥堵，处理后的行驶时间数据可用于表示交通拥堵情况，结合多路段进行综合分析可反映该区域拥堵状况。Xu Y等使用车辆在路段两种不同行驶时间，即一定时间内平均行驶时间和一定数量车辆平均行驶时间来刻画交通拥堵程度，并检测拥堵时间段。(4)基于车辆行驶轨迹：当车辆在发生交通拥堵时，许多司机会选择绕过当前的拥堵路段，因此在分析车辆轨迹时，尤其是像这种绕行的异常路段，可以挖掘出交通异常路段的时空分布。Chen C等提出了一个实时基于孤立点的异常路径检测方法检测交通短期拥堵事件。(5)基于车辆流量：通过监测各路段的车辆流量的实时变化，可以检测某区域路段拥堵状况。Kuang W等利用不同路段之间的交通流量，使用小波变化、主成成分分析方法来检测交通异常事件的发生，而这些异常事件往往就是造成拥堵的突发事件，因而可以将当前路段定义为拥堵路段。

这些常用的交通拥堵检测方法是对交通数据处理来提取有效数据的思路，很多时候由于交通拥堵检测没有准确的结果作为评判标准，在这领域的研究基本上都是属于无监督学习，数据无法划分成训练集与测试集来对实验结果验证，同时结果的评判方式也很多，这样对于交通拥堵就没有统一的定义。

发明内容

发明目的：本发明提供一种基于DBSCAN+的道路拥堵识别可视化方法，可以适应大规模城市浮动车OBD终端GPS轨迹数据，便于实时通过浮动车运行情况识别城市道路拥堵，可视化效果好。

技术方案：本发明所述的一种基于DBSCAN+的道路拥堵识别可视化方法，包括以下步骤：

(1)对大量浮动车OBD车载终端上传数据进行清洗预处理；

(2)根据其瞬时速度提取单位时段内行驶缓慢GPS轨迹点数据；

(3)将提取的数据点载入队列，通过设定DBSCAN+聚类算法的扫描半径、最小簇点数和分块队列个数进行并行聚类，标记行驶缓慢区域类簇块相关数据点簇号标记；

(4)对聚类结果中每个类簇块内各数据点之间分别通过经纬度计算地表距离，找出最远两点并拟合线段；