[發明專利]基于車輛軌跡的停等聚集效應預測方法

在審

• 申請號: 202010000324.0
• 申請日: 2020-01-02
• 公開（公告）號: CN111242352A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 周志文;肖竹;王東;范嬌嬌
• 申請（專利權）人: 深圳市麥谷科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30;G06N3/00
• 代理公司: 深圳市徽正知識產權代理有限公司 44405
• 代理人: 盧杏艷

本發明公開了一種基于車輛軌跡的停等聚集效應預測方法，包括：獲取車輛停原始的停等軌跡數據；根據原始的停等軌跡數據，提取待預測區域在預定時間周期內的停等軌跡數據；基于三維空間的核密度估計，將提取出的停等軌跡數據中預設時間段內的停等軌跡數據轉化為具有時空語義的停等時空密度分布數據；根據預設的季節模型，使用歷史時間段的停等時空密度分布數據結合隨機變量域的線性特征參數來預測目標時間段的停等時空密度分布數據，參數優化由結合變權重的粒子種群優化算法完成，目標時間段晚于歷史時間段。本發明的三維空間的核密度估計方法能夠有效地考慮停等聚集效應的時間和空間特征，比傳統方法能夠更加準確的預測車輛的停等密度。

技術領域

本發明涉及車輛時空軌跡信息挖掘領域，尤其涉及一種基于車輛軌跡的停等聚集效應預測方法。

背景技術

交通已經逐漸成為衡量一個城市進步和文明的重要標志，是城市賴以生存的命脈。交通的發展和進步在不僅方便的人們的出行，還促進了物質和文化的交流，給人類創造了巨大的財富。隨著交通的飛速發展及人們生活水平的大幅提高，科學技術的不斷進步，使得汽車數量的不斷激增，對整個城市的交通管理和城市建設帶來了巨大的挑戰。公安部交管局發布數據顯示，截至2018年底，小型載客汽車達2.01億輛，其中，以個人名義登記的小型載客汽車(私家車)達到1.89億輛，占小型載客汽車的94.03％。與2017年相比，私家車增加1952萬輛，增長了10.33％。據統計,全國平均每百戶家庭擁有36輛私家車，成都、深圳、蘇州等城市每百戶家庭擁有私家車超過70輛。因此，私家車是我國城市交通系統中占比較大的組成部分。

在無線通信、GPS定位等移動感知技術廣泛普及的情況下，載有智能終端車輛產生了越來越多的具有時空特征的軌跡數據。作為用戶歷史運動模式的載體，這些數據在各種應用領域發揮著重要作用，幫助人們來理解個人行為和群體活動規律，進而輔助城市交通以及城市建設。然而這些大軌跡數據會產生以下幾個問題，一是數據存儲：軌跡數據大多數是原始形式存在的并且數據量呈爆炸式増長。因此,大數據在存儲、管理等方面面臨著嚴峻的挑戰。二是數據挖掘：軌跡大數據呈現出規模大、種類巧多、價值密度低等特性，導致在數據挖掘過程中，數據噪聲大。三是數據建模:利用大量的原始軌跡數據在建模時，容易出現建模時間過長，以及模型的泛化能力弱的問題。

近些年來，如何分析挖掘這些海量的時空軌跡數據，從中提取信息與知識，已逐漸受到國內外學者的重視，成為時間軌跡信息領域的一大研究熱點。軌跡Stop/Move模型是現有的研究中比較新穎的分析方法，主要是將軌跡點序列在語義的基礎上劃分為Stop/Move序列，之后再開展研究工作。然而，其中現有的研究比較多集中在移動段上，而在停留的部分比較少，并且在少有的停等部分的研究中，采用的都是一些比較傳統的聚類方法(k-中值算法、DBSCAN算法)，然而，這些方法都需要繁瑣的數據處理和復雜的參數選擇過程，并且沒有考慮到空間中地理的關聯性以及丟失了軌跡數據中比較重要的時間維度的信息。因此，如何利用軌跡中相對少量的停等數據來挖掘出城市交通信息是十分必要的。

發明內容

針對上述技術問題，本發明實施例提供了一種基于車輛軌跡的停等聚集效應預測方法，基于地理第一定律、顧及時空鄰近性的時空核密度估計(3D-KDE)，并且結合變權重的粒子種群優化算法(MIW-PSO)，在軌跡停等數據的上來挖掘出城市交通中的熱區，推導交通停等聚集效應的演變過程，為交通管理以及城市建設提供指導意義。

本發明實施例提供一種基于車輛軌跡的停等聚集效應預測方法，所述方法包括：

獲取車輛停原始的停等軌跡數據；

根據所述原始的停等軌跡數據，提取待預測區域在預定時間周期內的停等軌跡數據；

基于三維空間的核密度估計，將提取出的停等軌跡數據中預設時間段內的停等軌跡數據轉化為具有時空語義的停等時空密度分布數據；