[发明专利]一种基于欧氏空间的车辆汇聚预测方法

摘要

本发明公开了一种基于欧氏空间的出租车汇聚预测方法，包括如下步骤(1)获取待预测区域内所有出租车的载客运行轨迹，并对各个载客运行轨迹进行预处理；(2)对所述步骤(1)的预处理结果进行线段聚类得到聚类结果，并根据所述的聚类结果进行运动模式挖掘；(3)根据当前时刻各个出租车的位置和运动模式挖掘结果，预测设定时间内到达设定位置的出租车。本发明的汇聚预测方法在不需要知道路网状况的条件下，能够根据出租车的历史轨迹数据，对其将来轨迹进行预测，并基于此，将其应用于对给定地点出租车的汇聚预测。

主权项

一种基于欧氏空间的车辆汇聚预测方法，其特征在于，包括如下步骤：(1)获取待预测区域内所有车辆的载客运行轨迹，并对各个载客运行轨迹进行预处理；通过如下步骤对每一个载客运行轨迹进行预处理：(1‑1)确定该载客运行轨迹的时间跳跃点和空间跳跃点的位置，并根据时间跳跃点和空间跳跃点的位置对该载客运行轨迹进行轨迹分离；(1‑2)采用Douglas‑Peucker算法对轨迹分离后的结果进行轨迹简化得到预处理后的载客运行轨迹；(2)对所述步骤(1)的预处理结果进行线段聚类得到聚类结果，并根据所述的聚类结果进行运动模式挖掘；基于欧式空间距离对所有预处理结果进行线段聚类，包括如下步骤：(2‑1)将各预处理结果划分为若干线段；(2‑2)针对当前预处理结果对应的任意一条线段，在其他预处理结果对应的线段中确定与其距离最近的线段：若该两条线段之间的距离小于预设的线段距离阈值，则将该两条线段聚为同一类；否则，以该线段单独作为一个类；(2‑3)针对任意两个类，计算二者之间的距离，若所述的距离小于预设的类距离阈值，则将二者合并为一类；否则，不处理；(2‑4)返回执行步骤(2‑3)直至类别数量不变时停止；(2‑5)统计每个类别中的线段数量，舍弃线段数量小于的预设的线段数量阈值的类；进行运动模式挖掘过程如下：(S1)针对任意两个类，计算任意两个类之间的距离，并根据距离以及当前两个类中线段的连接关系判断当前两个类之间的邻近关系；(S2)根据所有类的邻近关系构建频繁模式树，所述频繁模式树中根节点用于保存与该根节点相连的子节点的列表，其子节点与线段聚类一一对应；所述频繁模式树中每一个非根节点包含cluster和support两个属性，cluster属性表示该节点对应的类，Support值表示从该节点到深度为1的节点的车辆运行轨迹的数量；(3)根据当前时刻各个车辆的位置和运动模式挖掘结果，预测设定时间内到达设定位置的车辆。