[發明專利]一種基于軌跡數據的遠距離交通節點關聯性挖掘方法

有效

• 申請號: 202010154942.0
• 申請日: 2020-03-06
• 公開（公告）號: CN111444286B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 于海洋;劉潤坤;任毅龍;葛昱;鄒迎;李倩
• 申請（專利權）人: 北京航空航天大學;北京市交通委員會
• 主分類號: G06F16/28
• 分類號: G06F16/28;G06F16/2458;G06F16/29;G08G1/01
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 郝亮

本專利公開了一種基于軌跡數據的遠距離交通節點關聯性挖掘方法，所述方法包括：根據原始軌跡數據獲取乘客每一次出行的起點和終點；獲取交通節點中心的地理位置信息，并判定交通節點范圍；軌跡數據匹配；計算每一次出行所有經過的交通節點序列；所述序列包括車輛在該次出行中經過每個交通節點的編號以及經過每個交通節點的時間；步驟五、建立關聯度計算模型；步驟六、按照最短路徑方法或依據實際出行距離，計算任意兩個節點間的實際出行距離。通過上述方法能夠有效的計算出軌跡數據的遠距離交通節點關聯性，有結果準確，計算速度快的特點。

技術領域

本發明涉及大數據交通技術領域，更具體的說，是一種基于大規模軌跡數據挖掘城市遠距離交通節點(交叉口)間的關聯性分析方法。

背景技術

城市道路交通系統是一個復雜開放的巨系統，城市道路網絡密度高，其中某些重要交通節點對城市路網運行效率有著重要影響。交叉口作為復雜交通網絡的關鍵單元便扮演這樣的角色。現存研究多關注城市道路路網的時空運行規律，卻對交通節點間的內在關聯性鮮有關注，特別是針對大城市中較遠距離的交叉口間的關聯性。近年來，車載終端設備的普及，實現了對車輛軌跡數據的采集，反映出人們的出行特征。

基于上述背景，本發明設計的基于大規模軌跡數據對遠距離交通節點(交叉口)的關聯性挖掘方法，該方法對城市交通管理、交通控制、交通擁堵機理解析具有參考價值。

發明內容

本發明就是基于現有技術的上述缺陷，而提出的發明要解決的技術問題在于提供一套基于軌跡數據探索遠距離交通節點(交叉口)之間的關聯性的方法，以通過軌跡數據探索遠距離交通節點之間的關聯性。

為了實現上述目的，本發明的技術方案如下：

一種基于軌跡數據的遠距離交通節點關聯性挖掘方法，所述方法包括：步驟一、根據原始軌跡數據獲取乘客每一次出行的起點和終點；步驟二、獲取交通節點中心的地理位置信息，并判定交通節點范圍；其中，設車輛速度為speed,采樣時間間隔為frequency，交叉口范圍OE的最小值滿足2π*OE/4＝speed*frequency；步驟三、軌跡數據匹配；判斷每一個軌跡點是否在判定的交通節點范圍內，如果在，則標記該軌跡點所屬交通節點編號；步驟四、計算每一次出行所有經過的交通節點序列；所述序列包括車輛在該次出行中經過每個交通節點的編號以及經過每個交通節點的時間，表示為TRA＝(P₁...P_n.,T₁...T_n)，其中P表示位置，T表示時間；步驟五、建立關聯度計算模型；根步驟四中的獲得的數據計算任意兩個交通節點間的關聯度，用0-1的數值進行量化；步驟五的具體步驟包括，首先提取含有任意節點P的所有交通節點序列，統計序列數量為N，并記錄這些節點序列集合為U；之后統計這些含有P的節點序列中包含的所有其它節點編號定義其采用包括A,B,C的字母序列來表示；接下來分別統計U中同時含有PA節點、PB節點、PC節點的序列數量N_A,N_B,C_C；最后計算得到關聯度N_A/N，N_B/N,N_C/N分別表示節點P與節點A,B,C的關聯度；該關聯度為0-1范圍的數值；步驟六、按照最短路徑方法或依據實際出行距離，計算任意兩個節點間的實際出行距離；步驟七、選取某一個交通節點，作為中心節點，提取以該節點為中心的所有相關節點的關聯度；根據其他相關節點與該中心節點的實際出行距離對所述其他相關節點進行分組；步驟八、對每一組相關節點的關聯度進行分別的標準化處理；得到最終的關聯度數值。

優選地，所述交通節點包括交叉口。

3.根據權利要求1所述的一種基于軌跡數據的遠距離交通節點關聯性挖掘方法，其特征在于：所述步驟一包括：刪除重復值，填充缺失值，根據車輛行駛狀態判斷每次出行的起點和終點輛行駛狀態判斷每次出行的起點和終點。