[发明专利]一种基于GPS轨迹数据的出行方式识别方法

摘要

本发明公开了一种基于GPS轨迹数据的出行方式识别方法，对于GPS信号缺失和信号不完整的出行方式，采用基于规则的地铁识别方法；对于GPS信号记录正常的其他出行方式采用随机森林分类器，结合GPS轨迹数据进行建模与验证。在进行方式识别前，特征选择过程筛选出4类与方式识别相关的特征参数，可以精确识别出所有的真实出行方式。该方法不受GPS数据限制，不依赖其他数据来源，通用性高，计算简单，识别结果准确可靠，适用于基于GPS轨迹数据的出行方式识别，有利于推动基于智能手机的出行调查的大规模推广。

主权项

一种基于GPS轨迹数据的出行方式识别方法，其特征在于：根据GPS信号分三种情况，GPS信号缺失，GPS信号不完整，GPS信号正常；a.GPS信号缺失，基于规则的地铁单方式出行的识别方法：1)地铁单方式段持续时间大于5分钟；2)GPS轨迹点的最大速度小于地铁最高速度；3)地铁单方式段的起点与最近的地铁出入口之间的距离小于100米；4)地铁单方式段的终点与最近的地铁出入口之间的距离小于200米；b.GPS信号不完整，基于规则的地铁单方式的识别方法：1)满足所述的GPS信号缺失，基于规则的地铁单方式段出行的识别方法的所有要求；2)除起点和终点外的所有GPS轨迹点与最近的地铁线路之间的距离小于30米；c.GPS信号正常的其他出行方式采用随机森林分类器,包括以下步骤：第一步、GPS轨迹数据准备：采集的GPS轨迹数据包括：用户编号、定位日期、时间、经度、纬度、速度、海拔、方向和定位卫星数，根据用户编号，GPS轨迹数据按照时间顺序分配到每个人每天的出行，即摘取每人每天的出行轨迹点并进行相关参数的计算，1)计算每个点瞬时速度；2)计算每个点瞬时加速度；3)计算每个点方向变化值；4)计算特征参数：计算每个单方式出行段的速度、加速度、方向变化和距离/出行时长4个方面的特征作为方式识别的输入参数；第二步、特征参数筛选：将第一步数据作为全样本输入Weka进行参数筛选，使用不同的搜索方法和相应的评价策略来搜索，直至找出使得全样本出行方式分类最佳的组合，筛选出7个显著特征参数：出行距离，平均速度，50分位速度S50，75分位速度S75，95分位速度S95，平均方向变化量和速度偏度；第三步、随机森林分类器出行方式识别：按照第2步筛选的特征参数整理每个单方式出行段，这样得到每个单方式出行段的特征参数集，使用Weka Explorer的分类功能，系统随机把所有样本分为60％和40％两部分，60％的样本用于建模训练，40％的样本用于验证测试。