[发明专利]一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质

说明书

本发明公开了一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质，方法为：获取城市大规模私家车的轨迹数据，从中提取每个时段私家车停留点信息并预处理；基于分布拟合模型，计算每个时段内私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。本发明可以对城市区域未来时段内的吸引力提供有效准确的预测。

技术领域

本发明涉及智能交通领域，尤其涉及一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质。

背景技术

随着世界范围内城市化和机动化的发展，汽车拥有量迅速增长，私家车作为一种便捷的出行方式，越来越多的人选择购买它来满足日常出行的需要，从而形成了大量的私家车行驶轨迹，特别地，出于购物、交易、工作等各种目的，人们开车到达指定区域后会停车一段时间(如熄火)，并参与相应的活动，这也暗示了城市区域对人们的吸引力。研究区域吸引力不仅有助于促进功能区管理和城市规划，也为揭示人类驾驶行为与城市生活节奏之间的关系提供了一种有前景的方式。

近年来，车辆轨迹数据吸引了越来越多的研究团体和工业界的兴趣。基于各种轨迹数据的研究，为发现人类旅游行为与城市吸引力之间的联系提供了一种可行的方法。然而，现有的基于出租车轨迹数据和智能卡数据的研究存在以下局限性。首先，为了避免交通拥堵，城市出租车出行通常是随机寻找客户，其目的地并不总是热点地区；其次，公共交通，如公交、地铁等，都有预先设定的路线和时间，停靠在固定的站点(即公交、地铁站点)。公共交通系统的客流统计数据可以描述交通高峰时段等几个特定时段的吸引力值，然而它并不适合所有时段的。此外，对于公交站点相对稀疏的区域，智能卡数据无法提供对城市区域吸引力的细粒度分析。

而驾驶私家车直接反映个人长期出行需求，私家车轨迹中的停等点(PoSs)及伴随停留行为表现出一定的聚集性。从城市空间的角度来看，很多人驾驶私家车前往特定的区域，比如城市中的工作场所或热点，然后停留一段时间，从本质上反映了城市的吸引力。受这些观察的启发，本发明通过研究私家车轨迹来解释城市区域吸引力，利用神经网络来捕获城市吸引力的时空演变。

发明内容

本发明提供一种基于私家车轨迹大数据的城市区域吸引力预测方法、设备及介质，使用私家车停留点的空间概率密度分布来表征城市吸引力，可以对城市区域未来时段内的吸引力提供有效准确的预测，为理解人类移动行为和城市流动性的演变提供了一个新的视角。

为实现上述技术目的，本发明采用如下技术方案：

一种基于私家车轨迹大数据的城市区域吸引力预测方法，包括以下步骤：

步骤1，获取城市大规模私家车的GPS、OBD数据，从中提取每个时段内的私家车停留点信息，并对数据进行预处理；

步骤2，基于预设计的分布拟合模型，将空间自适应地划分网格，计算每个时段内各个网格私家车停留点的空间概率密度分布，用于表征城市区域在对应时段内的吸引力；

步骤3，使用历史时段内的空间概率密度分布作为训练样本，对预搭建的神经网络模型进行训练，得到城市区域吸引力预测模型；

步骤4，获取当前时段之前若干时段内的空间概率密度分布，使用城市区域吸引力预测模型进行滚动预测，获取得到目标预测时段内私家车停留点的空间概率密度分布，即为城市区域在目标预测时段的吸引力。

在更优的技术方案中，步骤1中提取的私家车停留点信息包括车辆ID、车辆启动时间、车辆停车时间、停车经纬度，每个时段内的停留点由车辆上一段轨迹的停车时间确定；对数据预处理包括将停留点进行地图匹配和数据清洗，数据清洗是指删除含有数据缺失或数据异常的停留点信息，包括停车时间少于预设时长、适时内异常移动的轨迹数据。