[發明專利]基于卡口數據的車輛出行軌跡識別方法

有效

• 申請號: 201811227691.3
• 申請日: 2018-10-19
• 公開（公告）號: CN109359690B
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 呂偉韜;周東;陳凝;盛旺
• 申請（專利權）人: 江蘇智通交通科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/16;G06F17/14
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 王素琴

本發明提供一種基于卡口數據的車輛出行軌跡識別方法，采用譜聚類方法，從卡口數據的時空特性角度實現出行鏈的自動拆分，從而識別出單次出行軌跡的起點、終點以及途經點位，具體為，生成車輛當日的完整出行鏈；建立相似矩陣S；計算鄰接矩陣W與度矩陣D；構建拉普拉斯矩陣L，進一步確定特征矩陣F；采用DBSCASN聚類算法進行聚類分析，得到簇劃分結果；確定軌跡點的簇劃分結果，生成子軌跡；該方法兼顧車輛通行的時間與空間屬性，與依據行程時間進行的軌跡劃分方法相比更為全面。無需預設閾值，完全由實測數據驅動實現車輛通行軌跡識別，提高軌跡識別的準確性。該分析結果可用于車輛出行行為識別、出行特征分析、交通流OD估計等。

技術領域

本發明涉及一種基于卡口數據的車輛出行軌跡識別方法。

背景技術

卡口設備記錄通過檢測點的所有車輛以及具體時間，由卡口過車檢測數據能夠生成車輛出行鏈，這在車輛跟蹤、出行行為分析中具有重要作用。而如何從出行鏈中提取具體每一次出行的軌跡是研究和應用的關鍵。中國專利CN201410256101.5《一種車輛軌跡的生成、聚合方法和裝置》采用了閾值法處理兩條過車記錄間的時間差，判斷當前點位是否為尾卡口。中國專利CN201610272669.5《基于動態閾值的識別車輛軌跡中停靠路段的方法》則提出一種基于行程時間動態閾值的分析方法，確定軌跡中的停靠路段。

時間閾值法是當前卡口軌跡識別的一種主流方式。但以時間差作為兩次出行的判別依據，很容易出現誤判的情況。例如，在某些包含擁堵路段、路口的出行軌跡中，容易發生因擁堵延誤過多而將完整的軌跡進行多次拆分的情況。即使采用動態閾值方法，將行程時間波動情況考慮在內，但也忽略了軌跡點的空間屬性特征。

發明內容

本發明的目的是提供一種基于卡口數據的車輛出行軌跡識別方法，基于卡口數據所能反映的軌跡點時空特征，對單次出行軌跡自動識別，確定當日的車輛每次出行的起點、終點、途經點位以及通過時間，解決現有技術中存在的問題。

本發明的技術解決方案是：

一種基于卡口數據的車輛出行軌跡識別方法，采用譜聚類方法，從卡口數據的時空特性角度實現出行鏈的自動拆分，從而識別出單次出行軌跡的起點、終點以及途經點位；具體步驟為：

S1、讀取卡口設備在一日內檢測的過車數據，根據過車數據中的號牌號碼，對于當日路網內所有通行經過卡口位置的車輛，均生成車輛當日的完整出行鏈；

S2、采用高斯核函數RBF建立相似矩陣S，矩陣中的元素其中i,j∈[1,n]，p_i、p_j為軌跡點坐標，t_i、t_j為通過軌跡點坐標的時間，ρ_p、ρ_t為軌跡點坐標、通過軌跡點時刻的標準差；

S3、計算鄰接矩陣W與度矩陣D，鄰接矩陣W＝S，即其中元素w_i,j＝s_i,j；度矩陣D為對角陣，D＝diag(d₁,…,d_i,…,d_n)，

S4、構建拉普拉斯矩陣L，進一步確定特征矩陣F；

S5、提取特征矩陣F的每一行組成1*k維樣本矩陣f，對全部n個樣本采用DBSCASN聚類算法進行聚類分析，得到簇劃分結果{F₁,···,F_i,···,F_m}；其中m為聚類產生的簇的數量，簇F_i由若干個樣本矩陣組成；

S6、根據每一個簇內的樣本矩陣，確定軌跡點的簇劃分結果Tr＝{tr₁,···,tr_i,···,tr_m}，其中tr_i是由若干軌跡點x組成的序列，每一個序列即為出行鏈拆分后的子軌跡；子軌跡的首末軌跡點即為對應的單次出行的起、終點。