[发明专利]停留点识别和出行链构建系统、算法、设备及存储介质

说明书

本申请公开了一种停留点识别和出行链构建系统、算法、设备及存储介质，属于智能交通技术领域。解决了现有技术中存在的耗时长、信息丢失影响判断准确性的问题。本申请用户设定停留时长、停留点车辆活动限速；按车辆ID分组聚合并排序得到数据集；计算数据集中的时间差序列；结合停留时长，对数据进行切分，获取互不相交的子片段；提取全部片段内的中位值作为识别到的车辆标准机器记录间隔，计算非活跃状态计数阈值；面向每一个轨迹子片段进行的OD分析，标注状态切换的点，得到车辆多日的出行起讫点数据。本申请用于车辆营运企业、交通规管理部门、规划部门对大范围车辆出行规律进行快速分析研判。

技术领域

本申请涉及一种车辆轨迹数据的停留点识别和出行链构建系统、算法、设备及存储介质，尤其涉及停留点识别和出行链构建系统、算法、设备及存储介质，属于智能交通技术领域。

背景技术

近年来，随着GPS、北斗等导航系统的进一步普及以及面向各类营运车辆，各类营运车辆的行驶轨迹数据得以被监管部门获取并存储，一方面为基于大数据的实时监管创造了有效途径，另一方面也为结合历史记录对车辆出行链进行构建，进而对车辆出行特征进行多维度分析研判提供了条件。

针对基于移动定位数据的出行链挖掘，国内外研究者从停留点切分、方式判定等多方面开展了研究。如结合不同聚类方法对轨迹数据进行空间聚类，进而完成用户的停留和行进状态识别，以及结合用户的移动速度进行方式判别等。现有方法最主要的缺点之一，是涉及到大量耗时的空间运算。

对于安装导航系统，受监管的营运车辆，由于设备在车辆启动期间，会固定时间间隔记录实时车辆位置（经纬度）、速度、方向角等信息，采样间隔稳定，数据可靠性高。从而为在维持识别精度的前提下，通过减少算法中的空间运算过程，提升停留点识别效率，在面对海量数据的情况下极大加快算法分析速度提供了可能。

现有最接近的方案有两种，一是通过识别低速点簇（即计算低速状态的时长），再结合GIS空间运算找到点簇中心作为停留点的方案。第二种是通过过滤低速点簇，继而进行空间聚类，将聚类中心作为停留点的方案。

文献[1]詹起林，高峻，王磊，基于货运车辆GPS数据的交通调查技术研究，地理与地理信息科学，2011，027(003):30-33。利用货运车辆GPS轨迹数据，结合轨迹点时空分布、速度等特征，通过实验确定合理阈值，过滤选取出低俗点簇，在按时间进行排序后，使用点簇第一个点作为下一次出行的起点，最后一个点作为上一次出行的终点。该方法主要缺陷在于：

1、无法准确界定状态转换点，从而影响OD点位置识别结果的经度，如在低速状态下如时间很长，实际移动的距离可能较大；

2、该方法假定了货车GPS返回的轨迹是连续的，但由于现有设备和技术限制，实际存在相当一部分车辆返回的轨迹呈现间断特征。因而上述过程中，如两组在时间上相邻的低速点中间存在轨迹间断，则会生成与实际不相符的出行。

文献[2]李江涛，基于货运卡车轨迹大数据的货运OD信息提取方法研究，北京交通大学，2019。通过数理统计方法获取判断和识别车辆停留状态的特征值，并结合道路网络和POI对识别到的停留点进行过滤，使用基于网格的空间匹配方法剔除临时停留或驾驶员在高速休息区长时间停留对真实出行识别造成的中间点干扰。该流程主要缺陷在于进行空间运算对辅助路网、POI数据有较高的要求，且运算对资源消耗较大，速度总体仍然较慢，其外，对中途停留点的剔除操作容易造成出行关键信息缺失，如对于出行时间的判断上，如果中途停留点对应的时间较长，则按照最开始出发时间的OD统计与实际路网上车流的时间分布会存在较大差异。在面向交通规划、管理和仿真等过程的关键数据分析时会对准确性造成极大影响。

文献[3]丁晓青，基于GPS数据的货运交通空间特征分析技术——以厦门市为例，2019年中国城市交通规划年会。采用了固定的前后相邻点距离阈值，配合停留时长和轨迹间断时长作为判断停留点簇的依据，进行了简单的OD识别，该方法OD切分流程未考虑速度因素，对低速行驶过程无法很好进行甄别。