[发明专利]一种基于支持向量机模型的交通方式换乘行为识别方法

说明书

本发明公开了一种基于支持向量机模型的交通方式换乘行为识别方法，包括如下步骤：步骤一、基础数据采集并构建数据库管理系统；步骤二、对基础数据进行预处理；步骤三、对个体出行的停留状态进行识别；步骤四、计算不同交通方式换乘行为的特征指标；步骤五、构建支持向量机模型对全过程出行数据进行换乘行为识别；步骤六、从数据库管理系统中匹配提取换乘行为的相关信息。与现有技术相比，本发明的积极效果是：本发明方法能够用于识别提取个体出行方式换乘的时间、地点、次数等信息，能够为提升我国交通换乘信息采集内容和数据精度提供有力支持，可用于大样本、广区域、高精度、自动化的交通出行换乘信息采集。

技术领域

本发明属于智能交通信息采集领域，尤其涉及一种利用支持向量机模型对卫星定位数据进行分析、预处理、模型构建和应用，从而自动识别个体出行全程所有交通方式换乘行为的技术流程和方法。

背景技术

城市的快速发展带来了一个无限可变又极其复杂的多维城市交通系统，庞大立体的设施网络、多元综合的出行模式、时序关联的出行目的，城市个体日常出行特征越来越难以预测和捕捉。交通方式换乘信息是个体出行信息采集的重要内容，能够为客观把握不同交通方式出行需求、指导合理交通规划、优化交通基础设施等起到重要作用，也是城市智能交通信息系统构建的重要数据基础。

现有关于交通方式换乘信息采集主要有两种方法：

(1)纸质问卷法：纸质问卷方法是指通过制定详细周密的问卷，要求被调查者据此进行回答以收集资料的方法。利用纸质问卷进行交通方式换乘行为采集时，被调查者需要连续回忆一天或多天出行过程中的全部换乘时间、换乘方式、换乘地点等信息，受到调查负担和个人隐私方面的顾虑，纸质问卷法存在以下不足点：1)主观回忆造成的数据偏差、错误现象普遍。受被调查者的主观参与意愿影响，出行回忆偏差、错误、随意现象普遍，尤其对于短时间和短途出行，信息遗漏明显；2)调查成本高、组织难度大。一般城市级别的居民出行调查需要成立专门领导小组，协调多部门合作、培训入户调查，组织实施难度较大，且一些大城市综合交通规划编制中仅用于交通调查的费用就高达上千万；3)数据动态性差，更新周期长。由于成本高、实施难度大，大规模的居民出行调查往往每隔5-10年才进行一次，北京、上海、深圳等特大城市建国以来也就实施过5-6次，相当多的二线城市可能至今未实施过一次。在我国城市化进程加快、交通需求剧烈膨胀的背景下，纸质问卷数据很难及时反映城市快速发展的真实交通需求，依靠陈旧数据制定交通规划方案必然难以发挥实质效果。

(2)互联网记录法：随着智能芯片技术、互联网技术的快速发展和普及，当前居民乘坐地铁、公交车、共享单车等方式都能够通过个体手机或交通卡进行支付，这些智能支付系统，如共享单车APP、地铁IC卡，都能够快速识别用户个人信息、所处的地理位置、出行时间等信息，从而间接反映交通方式换乘行为，相对于传统问卷调查方法，其数据精度得到了良好提升。然而，该类技术也存在一定的技术缺陷，例如公交IC卡刷卡，只能够获取上车地点信息，却无法记录下车地点信息，换乘点存在遗漏现象；此外，小汽车、出租车、步行等作为重要的日常交通方式，互联网记录法目前还无法获取这些出行方式的换乘信息。

因此，从当前交通方式换乘信息识别困境来看，亟待寻求一种更加智能、普适、精确的技术手段作为现有技术的替代或提升。

近年来，全球导航卫星定位系统(GNSS)快速发展，除当前应用较多的GPS以外，我国北斗定位系统、俄罗斯格洛纳斯卫星定位系统和欧洲伽利略卫星定位系统等都快速发展并投入应用，为个体出行行为分析提供了大量客观、详实、动态的定位轨迹数据。与此同时，智能手机、可穿戴设备(运动手环、手表等)等带有卫星定位芯片的载体设备快速普及，为卫星定位数据的大范围、大样本获取提供了空前契机，也为基于GNSS定位数据的交通方式换乘行为识别提供了良好机遇。因此本发明尝试通过对GNSS定位数据进行分析、预处理、算法构建与应用，从而自动识别个体交通方式换乘行为，提取换乘时间、换乘地点、换乘次数等详细信息。该技术相对于现有采集方法，具备样本量更大、覆盖范围更广、实时动态性更好、数据精度更高等诸多优势。

发明内容