[发明专利]一种高收入出租车司机及其经验轨迹的提取方法、设备及存储介质

权利要求书

1.一种高收入出租车司机及其经验轨迹的提取方法，其特征在于，包括以下步骤：

步骤S1：出租车轨迹点数据预处理；

步骤S2：按时段和载客状态对步骤S1预处理后的出租车轨迹点数据进行划分；

步骤S3：对各出租车司机的经验系数进行计算；

步骤S4：对高峰时段的数据进行聚类，得到拥堵区域的分布情况，使用轨迹样条法对各出租车司机的轨迹自由度进行计算；

选取早高峰时段，对V_data进行第一次划分，分成早高峰时段的出租车轨迹点集V_data，peak和非早高峰时段的出租车轨迹点集即其他时段的出租车轨迹点集V_data，low；peak和low分别表示高峰和其他时段；

对V_data，peak进行两次聚类，具体步骤如下：

步骤S4-1：通过DBSCAN算法对V_data，peak进行初步聚类：读取高峰时段的所有出租车轨迹点的经纬度字段数据，输入ε、MinPts，ε表示半径参数，MinPts表示邻域集合中轨迹点的最小数目，遍历数据点，得到n个聚类簇Ci，i＝1，2，3…n；

步骤S4-2：通过K-Means算法计算步骤S4-1得到的每个聚类簇Ci的经纬度的聚类中心、每个聚类簇Ci的速度的聚类中心：每次聚类设定K值为1，多次迭代计算后，聚类中心不再发生变化，得到每个聚类簇Ci的经纬度的聚类中心c_i及聚类簇Ci的对应的速度聚类中心v_i，i＝1，2...n；

步骤S4-3：根据步骤S4-2得到的速度聚类中心v_i，当v_i＜ξ时，判断该聚类簇Ci为拥堵区域，ξ表示高峰时段出租车速度阈值，否则，判断该聚类簇Ci为非拥堵区域；剔除非拥堵区域后，得到拥堵区域的中心坐标集合Cong，Cong＝{c′₁，c′₂...c′_m}，m≤n；

步骤S4-4：使用轨迹样条法分析各出租车轨迹点和中心坐标集合Cong中元素的位置关系，将每一个v_{data，peak，car_no}划分为m+1段，对于车牌编号为car_no的轨迹点数据集，划分步骤如下：

将轨迹点集按时间排列，首个轨迹点为p₁(lon₁，lat₁)，最末轨迹点为p_i+1(lon_i+1，lat_i+1)，轨迹点数为i+1，得到每段中轨迹点的数量k，如式(11)所示：

式(11)中，k表示每段中轨迹点的数量，并向下取整；

则出租车每个轨迹点集划分为m+1段子轨迹集，即v_{data，peak，car_no}＝{point_1，k，point_k，2k...point_(m-1)k，mk，point_mk，i+1}；point_1，k表示排序后的v_{data，peak，car_no}的轨迹点集中第1个点到第k个轨迹点组成的集合；point_k，2k表示第k个点到第2k个轨迹点组成的集合；

对于上一步得到的每个集合point_x，y，得出第x个坐标点p_x(lon_x，lat_x)和第y个坐标点py(lon_y，lat_y)，从p_x、p_y中选取经度和纬度的最大值、最小值，组合构成定位区域S，定位点分别为：p_x(lon_x，lat_x)、p_y(lon_y，lat_y)、p_supply1(lon_y，lat_x)、p_supply2(lon_x，lat_y)；

若第1至第m个定位区域内每个定位区域内应包含的轨迹点数则为有效区域，判断定位区域S的经纬度范围中是否存在Cong中的元素，如存在，则表示该段子轨迹经过拥堵区域，统计point_x，y中元素的频数f_m；反之，遍历下一个集合；

若第1至第m个定位区域内每个定位区域内应包含的轨迹点数则为无效区域，对于无效区域，则计算两点纬度之差，如式(12)所示：

Diff_lat＝max{lat_x，lat_y}-max{lat_x，lat_y} (12)

Diff_lat表示两点纬度之差，若lat_x＞lat_y，定位区域S的定位点更新为：

p_supply1(lon_x，lat_x-2Diff_lat)，p_supply2(lon_y，lat_y+2Diff_lat)，p_supply3(lon_y，lat_y-Diff_lat)，p_supply4(lon_x，lat_x+Diff_lat)

若lat_x＜lat_y，定位区域S的定位点更新为：

p_supply1(lon_x，lat_x+2Diff_lat)，p_supply2(lon_y，lat_y-2Diff_lat)，p_supply3(lon_y，lat_y+Diff_lat)，p_supply4(lon_x，lat_x-Diff_lat)

若lat_x＝lat_y，则对下一个集合进行计算；

步骤S45：重复S44步骤，计算车辆轨迹的自由度即非拥堵区域点所占轨迹点比例，如式(13)所示：

式(13)中，f_m表示每个拥堵区域内点频数，P表示拥堵区域的数目，K表示轨迹共经过的区域数目，每类频数为f_i；

步骤S46：司机的收入和经验情况为：

EAF_{car_no}＝E_{car_no}+Free_{car_no} (14)

依次计算所有司机的EAF_{car_no}值，对每个EAF_{car_no}进行离差标准化处理，映射到[0，1]区间；

步骤S5：将经验系数和轨迹自由度高者组成高收入出租车数据集合，通过交叉口坐标点插值法恢复轨迹；

步骤S6：对地图进行网格分割，计算每个网格内各车辆轨迹点的平均占比，映射到轨迹分布直方图中，形成轨迹分布的图像表达方式。