[发明专利]一种基于网格化和时空聚类的交通拥堵演化规律的识别方法

权利要求书

1.一种基于网格化和时空聚类的交通拥堵演化规律的识别方法，其特征在于，包括以下步骤：

S1.从百度GPS上获取某城市某个时间段的机动车的出行GPS数据，其中包含日期、时间、当前车速、经纬度以及行驶方向；

S2.对步骤S1获取到的数据进行预处理；

S3.对预处理过的数据进行网格化；

S4.基于距离矩阵选取ST-DBSCAN算法的参数，参数包括有效的空间邻域半径Eps1、时间邻域半径Eps2以及最小密度阈值MinPts；

S5.建立基于ST-DBSCAN算法的时空聚类模型，通过该模型挖掘交通拥堵点；

所述步骤S3具体包括：

S3-1.设置一个接近当前计算机单次处理阈值的数据量process_window；

S3-2.将当前数据量按相同面积的方法平均分成(n/process_window+1)²份，其中每份的面积为总面积除以份数，而数据则是每个区域所包含的数据；

所述步骤S4基于距离矩阵选取ST-DBSCAN算法参数具体步骤如下：

S4-1.将MinPts设置为ln(n)，n为数据集大小；

S4-2.分别计算D中任一点与其他点之间在空间域和时间域上的距离，形成空间域和时间域上的两个n*n的距离矩阵；

S4-3.将空间域及时间域上的矩阵按列向升序排序，即每k列表示当前点和与其最近第k点的距离值，将之视为k-dist距离矩阵；

S4-4.将步骤S4-3的两个k-dist距离矩阵分别降序排序并画出图形，其中k是大于MinPts的最小整数；

S4-5.分别取两个图形的第一个“谷”处左侧的斜率突变点的值作为Eps1和Eps2；

所述步骤S5的具体过程如下：

S5-1.将获取到的参数Eps1、Eps2、MinPts以及网格化后的单份数据集D输入到ST-DBSCAN算法中，获取到每个数据所归属的簇的编号；

S5-2.求每个簇内的速度均值，将此值与速度划分等级进行映射以获取对应的拥堵等级；

S5-3.在数据集D中新建一列拥堵等级level_sign，将步骤S5-2中获取的等级值添加到对应的数据中；

S5-4.将拥堵等级与事先设置的颜色进行映射，以获取不同拥堵等级下的直观聚类结果，同时进行可视化。

2.根据权利要求1所述的一种基于网格化和时空聚类的交通拥堵演化规律的识别方法，其特征在于，所述步骤S2具体包括：

S2-1.数据清洗；对空值数据以及车辆行驶方向与正北方向的夹角的角度大于360°的数据进行剔除；

S2-2.坐标转换；将经纬度坐标转换成其对应的映射平面坐标；采用的大地坐标系是北京54坐标系，投影策略采用的是横轴墨卡托投影；

S2-3.数据变换；对数据进行了标准化处理。

3.根据权利要求1所述的一种基于网格化和时空聚类的交通拥堵演化规律的识别方法，其特征在于，所述步骤S5-1具体过程如下：

S5-1-1.输入参数Eps1、Eps2、MinPts以及网格化后的单份数据集D；

S5-1-2.任取数据集D中一对象p，并将其标记为已访问，判断p是否为核心对象；

S5-1-3.如果p为核心对象，新建一个簇C，并将对象p放进簇C，将其所有时空直接密度可达对象放进候选集N中；如果p不是核心对象，则返回步骤S5-1-2；

S5-1-4.任取候选集N中一对象p’，将其标记为已访问，判断p’是否为核心对象；如果N中为空，则返回步骤S5-1-2；

S5-1-5.如果p’是核心对象，将之添加到簇C，并将其所有时空直接密度可达对象放进N中；否则，返回步骤S5-1-4；

S5-1-6.执行上述步骤直至遍历了时空数据集D中所有的对象。