专利名称：一种基于行程识别的出行者活动规律分析方法
技术领域：
本发明涉及一种基于行程识别的出行者活动规律分析方法。
背景技术：
目前，城市活动对象的轨迹采集主要有GPS定位和手机网络定位两种方式。因此，针对轨迹数据的研究也主要是以这两种数据来源为基础进行展开的。定位技术获取的轨迹数据只是包含每一轨迹点的经纬度及其对应的时刻信息，通过数据本身无法直接得到活动行为的特征信息，如出行时间、出行方式、出行目的，以及更深层次的活动规律等。进行以上这些信息统计分析工作的基础，就是识别出出行者的两种活动类型，即活动的停留阶段和移动阶段。因此，出行识别的任务就是将无法直接理解的轨迹转化为能够认知的停留位置和在各个停留位置之间的移动。如图I所示，行程识别就是将在空间上离散的轨迹点划分成停留活动点和移动活动点两大类。通过停留活动点获取人进行停留活动时的位置或位置范围,通过移动活动点生成人的移动路径。这样，有关停留时长、停留活动目的等信息可以由停留位置信息进行挖掘分析，出行方式、出行时间、出行距离等信息则可以从移动路径中提取。因此，可以在行程识别的基础上进一步研究出行者的活动规律。
发明内容
本发明设计开发了一种基于行程识别的出行者活动规律分析方法。对η天的经行程识别的停留点进行分析，当停留点符合第一距离阈值条件时，将其合并为一个候选居住地，在所有的候选居住地中，累计停留时长最大的候选居住地的累计停留时长达到第一时间阈值，则将此候选居住地作为居住地。上述过程实现了对出行者居住地的准确判断。在居住地判断的基础上，利用本发明的分析方法，还可以进一步研究出行者的日平均休息时长、作息规律评价指标、主要出行位置、日平均出行距离等，从而实现对出行者的活动规律的充分了解。本发明提供的技术方案为—种基于行程识别的出行者活动规律分析方法，包括以下步骤步骤一、获取η天经行程识别确定的停留点；步骤二、当多个停留点的中心与所述多个停留点中任一个停留点之间的距离小于第一距离阈值时，则所述多个停留点的中心判定为出行者的候选居住地，所述多个停留点的停留时长之和为所述候选居住地的累计停留时长；步骤三、当所述累计停留时长最大的候选居住地的累计停留时长大于第一时间阈值时，所述累计停留时长最大的候选居住地判定为出行者的居住地。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述步骤二是通 过以下方式实现的，(I)将所有待判定的停留点中的一个停留点作为一个聚类，其中，所述停留点为聚类的中心，(2)当所有待判定的停留点中的一个停留点到所述聚类的距离小于第一距离阈值时，则将所述停留点放入所述聚类，重新确定所述聚类的中心，(3)重复(2)，直到所有待判定的停留点到所述聚类的距离均大于第一距离阈值，(4)所述聚类的中心判定为出行者的候选居住地，所述聚类中的停留点的停留时长之和为所述候选居住地的累计停留时长。优选的是，所述的基于行程识别的出行者活动规律分析方法，还包括(5)重复(I)，直到所有停留点均为经过判定的停留点，(6)所述多个聚类的中心判定为出行者的多个候选居住地。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述(2)中，所述聚类的中心是通过以下方式实现的，计算所有待判定的停留点中的一个停留点(Sqi. X, Sqi. y)的停留时长Sqi. At与所述聚类中的停留点的停留时长之和At之间的比值Wighti,所述聚类的中心坐标(r」.x, Tj. y)为rr X = Wighti · Sqi. X+ (I-Wighti) · Tj. x,Tj. y = Wighti · Sqi. y+ (I-Wighti) · Tj. ya优选的是，所述的基于行程识别的出行者活动规律分析方法，还包括步骤四、所述η天经行程识别确定的停留点中，η天中停留时长大于20分钟的停留点的停留时长之和与天数η的比值为出行者的日平均休息时长；步骤五、与居住地对应的聚类中的停留点中，属于同一天的停留点的停留时长之和为出行者在同一天在居住地的停留时长，且出行者在同一天在居住地的停留时长所发生的时间区间为休息区间，则η天中任意两天的休息区间的重叠百分比的平均值为出行者的作息规律评价指标；步骤六、获取η天经行程识别确定的移动点，其中，一天内的移动点中两两移动点之间的距离之和与天数η的比值为出行者的日平均出行距离，覆盖一天内的轨迹点的半径最小的圆的半径之和与天数η的比值为出行者的日出行空间半径，η天内的移动点的平均坐标为出行者的主要出行位置。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述步骤一中获取η天经行程识别的停留点，其中，一天内经行程识别确定的停留点是通过以下方式实现的，(I)计算一天内的轨迹点的速度，(2)将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔，(3)当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于第二距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置 的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则将所述多个候选停留位置的中心判定为停留点，(4)所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述(3)是通过以下方式实现的，
(a)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心，(b)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于第二距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心，(C)重复(b)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则(b)中所述停留序列的中心为停留点。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述(2)中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的，依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(X(i,i+1)，y(i,i+1))，依次计算所述两个相邻轨迹点之间的时间间隔Λ t (i, i+1)、与所述候选停留位置的停留时长Stay' . Δ t之间的比值wight(i,i+1),计算所述候选停留位置的坐标(Stay’ . x, Stay’ . y)
I n-lI η-I
Stay' ·χ = Σ wiSht(UM) · %/+1) Stay' -y = Σ wisht(i,i+i) · ·%+ι)
I Iο优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述(3)中，(b)中所述停留序列的中心是通过以下方式实现的，计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay’ " Λ t与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. Λ t之间的比值wighh，计算所述停留序列的中心坐标(Sq. X, Sq. y)Sq. X = Wighti · Stay' ” x+(Iiighti) · Sq. x,Sq. y = Wighti · Stay' ” y+ (I-Wighti) · Sq. yD优选的是，所述的基于行程识别的出行者活动规律分析方法，还包括(5)所述(3)中，(C)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于第二时间阈值时，则(b)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述第二时间阈值为300秒，所述第二距离阈值为200米。优选的是，所述的基于行程识别的出行者活动规律分析方法中，所述第一距离阈值为200米，所述第一时间阈值为6小时。本发明所述的一种基于行程识别的出行者活动规律分析方法，对η天的经行程识别的停留点进行分析，当停留点符合第一距离阈值条件时，将其合并为一个候选居住地，在 所有的候选居住地中，累计停留时长最大的候选居住地的累计停留时长达到第一时间阈值，则将此候选居住地作为居住地。上述过程实现了对出行者居住地的准确判断。在居住地判断的基础上，利用本发明的分析方法，还可以进一步研究出行者的日平均休息时长、作息规律评价指标、主要出行位置、日平均出行距离等，从而实现对出行者的活动规律的充分了解。此外，本发明可以针对GPS定位轨迹数据进行分析，也可以针对手机定位轨迹数据进行分析。在对上述两种数据进行分析时，仅需要调整第一距离阈值、第一时间阈值、第二距离阈值、第二时间阈值等参数，均可以获得准确的分析结果。本发明尤其适用于出租车驾驶员的活动规律分析。
图I为行程识别示意图；图2为本发明所述的基于行程识别的出行者活动规律分析方法的流程图；图3为轨迹点的速度计算示意图；图4为轨迹点中候选停留点合并为候选停留位置的示意图；图5为停留点识别算法流程图；图6为某一出租者驾驶员的居住地的挖掘结果的可视化显示；图7为样本中出租车驾驶员的居住地分布图；图8为样本中出租车驾驶员的日平均休息时长统计图；图9为样本中一天中各时段运营的出租车分布曲线；图10(a)为样本中某一出租车驾驶员在一天的停留点信息，图10(b)为停留点信息转化后的作息时间序列；图11为样本中出租车驾驶员的作息规律评价指标的分布图；图12为样本中具有代表性的驾驶员的出行轨迹，其中，图12(a)为作息规律评价指标在O. 9 I之间的驾驶员的出行轨迹，图12(b)为作息规律评价指标在O. 8 O. 9之间的驾驶员的出行轨迹，图12(c)为作息规律评价指标在O. 7 O. 8之间的驾驶员的出行轨迹，图12(d)为作息规律评价指标在O. 6 O. 7之间的驾驶员的出行轨迹；图13为样本中出租车驾驶员的日平均行驶距离的分布图；图14为样本中某一出租车驾驶员的日平均运营空间的示意图；图15为样本中出租车驾驶员的日平均运营空间的分布图；图16(a)为样本中出租车驾驶员的主要运营位置的分布图，图16(b)为图16(a)中A部的局部放大图；图17为样本中出租车驾驶员的通勤直线距离的分布图。具体实 施方式下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图I所示，本发明提供一种基于行程识别的出行者活动规律分析方法，包括以下步骤步骤一、获取η天经行程识别确定的停留点；步骤二、当多个停留点的中心与所述多个停留点中任一个停留点之间的距离小于第一距离阈值时，则所述多个停留点的中心判定为出行者的候选居住地，所述多个停留点的停留时长之和为所述候选居住地的累计停留时长；步骤三、当所述累计停留时长最大的候选居住地的累计停留时长大于第一时间阈值时，所述累计停留时长最大的候选居住地判定为出行者的居住地。所述的基于行程识别的出行者活动规律分析方法中，所述步骤二是通过以下方式实现的，(I)将所有待判定的停留点中的一个停留点作为一个聚类，其中，所述停留点为聚类的中心，(2)当所有待判定的停留点中的一个停留点到所述聚类的距离小于第一距离阈值时，则将所述停留点放入所述聚类，重新确定所述聚类的中心，(3)重复(2)，直到所有待判定的停留点到所述聚类的距离均大于第一距离阈值，(4)所述聚类的中心判定为出行者的候选居住地，所述聚类中的停留点的停留时长之和为所述候选居住地的累计停留时长。优选的是，所述的基于行程识别的出行者活动规律分析方法，还包括(5)重复(I)，直到所有停留点均为经过判定的停留点，(6)所述多个聚类的中心判定为出行者的多个候选居住地。所述的基于行程识别的出行者活动规律分析方法中，所述(2)中，所述聚类的中心是通过以下方式实现的，计算所有待判定的停留点中的一个停留点(Sqi-X, Sqi. y)的停留时长Sqi. At与所述聚类中的停留点的停留时长之和At之间的比值Wighti,所述聚类的中心坐标(r」.x, Tj. y)为Tj. X = Wighti · Sqi. X+ (I-Wighti) · r」· x,Tj. y = Wighti · Sqi. y+ (I-Wighti) · r」· y。所述的基于行程识别的出行者活动规律分析方法，还包括步骤四、所述η天经行程识别确定的停留点中，η天中停留时长大于20分钟的停留点的停留时长之和与天数η的比值为出行者的日平均休息时长；步骤五、与居住地对应的聚类中的停留点中，属于同一天的停留点的停留时长之和为出行者在同一天在居住地的停留时长，且出行者在同一天在居住地的停留时长所发生的时间区间为休息区间，则η天中任意两天的休息区间的重叠百分比的平均值为出行者的作息规律评价指标；步骤六、获取η天经行程识别确定的移动点，其中，一天内的移动点中两两移动点之间的距离之和与天数η的比值为出行者的日平均出行距离，覆盖一天内的轨迹点的半径最小的圆的半径之和与天数η的比值为出行者的日出行空间半径，η天内的移动点的平均坐标为出行者的主要出行位置。所述的基于行程识别的出行者活动规律分析方法中，所述步骤一中获取η天经行程识别的停留点，其中，一天内经行程识别确定的停留点是通过以下方式实现的，
(I)计算一天内的轨迹点的速度，(2)将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔，(3)当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于第二距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则将所述多个候选停留位置的中心判定为停留点，(4)所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。所述的基于行程识别的出行者活动规律分析方法中，所述(3)是通过以下方式实现的，(a)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心，(b)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于第二距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心，(C)重复(b)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则(b)中所述停留序列的中心为停留点。所述的基于行程识别的出行者活动规律分析方法中，所述(2)中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的，依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(X(i,i+1)，y(i,i+1))，依次计算所述两个相邻轨迹点之间的时间间隔Λ t (i, i+1)、与所述候选停留位置的停留时长Stay' . Δ t之间的比值wight(i,i+1),计算所述候选停留位置的坐标(Stay’ . x, Stay’ . y)
II
Stay' ·χ = Σ wisht(i,μ) · %/+1) Stayf -y = Σ wiShHi,μ) · ·%+ι)
I Iο所述的基于行程识别的出行者活动规律分析方法中，所述(3)中，(b)中所述停留序列的中心是通过以下方式实现的，计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay’ " Λ t与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. Λ t之间的比值wighh，
计算所述停留序列的中心坐标(Sq· X, Sq. y)Sq. X = Wighti · Stay' ” x+ (I-Wighti) · Sq. x,Sq. y = Wighti · Stay' ^ y+ (I-Wighti) · Sq. yD所述的基于行程识别的出行者活动规律分析方法，还包括(5)所述⑶中，(C)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于第二时间阈值时，则(b)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。所述的基于行程识别的出行者活动规律分析方法中，所述第二时间阈值为300秒，所述第二距离阈值为200米。所述的基于行程识别的出行者活动规律分析方法中，所述第一距离阈值为200米，所述第一时间阈值为6小时。以出租车驾驶员为例，出租车驾驶员因工作性质的特殊性，作息时间并不严格固定，上路运营的时间也比较灵活，如白天出车、夜间出车、凌晨收工等。因此，一般人群的居住地挖掘方法不适用于该群体。通过观察出租车轨迹发现，出租车驾驶员与一般人群不同，没有固定的工作地点，居住地成为他们一天之中停留时长最长的停留点，累积的停留时长远远大于其他停留点，并且考察的轨迹数量越多该特征越明显。以此为基础，利用停留的时间特征作为出租车驾驶员居住地挖掘的主要依据。本发明的基于行程识别的出行者活动规律分析方法中对出租车驾驶员的居住地的挖掘的流程见图2。主要步骤如下步骤I、获取η天经行程识别得到的停留点。步骤2、将第一个停留点作为一个聚类A,该停留点的坐标设置为A的聚类中心坐标，该停留点的停留时长设置Sr1的停留时长。步骤3、判断是否还有未处理的停留点，如果有，读取一个停留点，转到步骤3 ;如果否，结束聚类过程，转到步骤7。步骤4、计算停留点与各聚类!^之间的距离七，判断距离最小值4是否小于200米(第一距离阈值)，如果是，转到步骤5 ;如果否，转到步骤6。步骤5、停留点加入对应的聚类&中，用时间加权的方法重新计算&的聚类中心坐标，将停留点的停留时长累加到h的停留时长，转到步骤3。步骤6、停留点作为新的一个聚类rm+1,停留点的坐标设置为rm+1的聚类中心坐标，停留点的停留时长设置为rm+1的停留时长，转到步骤3。步骤7、遍历各聚类，找出停留时长最长的聚类rn，判断其停留时长是否超过6个小时(第一时间阈值)，如果是，将该聚类的聚类中心作为出行者的居住地位置，中心坐标作为居住地的坐标；如果否，则居住地挖掘失败。步骤5中使用时间加权方法重新计算&聚类中心的公式如下
权利要求
1.一种基于行程识别的出行者活动规律分析方法，其特征在于，包括以下步骤 步骤一、获取n天经行程识别确定的停留点； 步骤二、当多个停留点的中心与所述多个停留点中任一个停留点之间的距离小于第一距离阈值时，则所述多个停留点的中心判定为出行者的候选居住地，所述多个停留点的停留时长之和为所述候选居住地的累计停留时长； 步骤三、当所述累计停留时长最大的候选居住地的累计停留时长大于第一时间阈值时，所述累计停留时长最大的候选居住地判定为出行者的居住地。
2.如权利要求I所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述步骤二是通过以下方式实现的， (1)将所有待判定的停留点中的一个停留点作为一个聚类，其中，所述停留点为聚类的中心， (2)当所有待判定的停留点中的一个停留点到所述聚类的距离小于第一距离阈值时，则将所述停留点放入所述聚类，重新确定所述聚类的中心， (3)重复(2)，直到所有待判定的停留点到所述聚类的距离均大于第一距离阈值， (4)所述聚类的中心判定为出行者的候选居住地，所述聚类中的停留点的停留时长之和为所述候选居住地的累计停留时长。
3.如权利要求2所述的基于行程识别的出行者活动规律分析方法，其特征在于，还包括 (5)重复(I)，直到所有停留点均为经过判定的停留点， (6)所述多个聚类的中心判定为出行者的多个候选居住地。
4.如权利要求3所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述(2)中，所述聚类的中心是通过以下方式实现的， 计算所有待判定的停留点中的一个停留点(Sqi-X, Sqi. y)的停留时长Sqi. A t与所述聚类中的停留点的停留时长之和At之间的比值Wighti, 所述聚类的中心坐标Crj. X, Tj. y)为 Tj. X = Wighti Sqi. X+ (I-Wighti) Tj. X， Tj. y = Wighti Sqi. y+(I-Wighti) Tj. y。
5.如权利要求4所述的基于行程识别的出行者活动规律分析方法，其特征在于，还包括 步骤四、所述n天经行程识别确定的停留点中，n天中停留时长大于20分钟的停留点的停留时长之和与天数n的比值为出行者的日平均休息时长； 步骤五、与居住地对应的聚类中的停留点中，属于同一天的停留点的停留时长之和为出行者在同一天在居住地的停留时长，且出行者在同一天在居住地的停留时长所发生的时间区间为休息区间，则n天中任意两天的休息区间的重叠百分比的平均值为出行者的作息规律评价指标； 步骤六、获取n天经行程识别确定的移动点，其中，一天内的移动点中两两移动点之间的距离之和与天数n的比值为出行者的日平均出行距离，覆盖一天内的轨迹点的半径最小的圆的半径之和与天数n的比值为出行者的日出行空间半径，n天内的移动点的平均坐标为出行者的主要出行位置。
6.如权利要求1-5中任一项所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述步骤一中获取n天经行程识别的停留点，其中，一天内经行程识别确定的停留点是通过以下方式实现的， (1)计算一天内的轨迹点的速度， (2)将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔， (3)当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于第二距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则将所述多个候选停留位置的中心判定为停留点， (4)所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。
7.如权利要求6所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述(3)是通过以下方式实现的， (a)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心， (b)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于第二距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心， (c)重复(b)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于第二时间阈值时，则(b)中所述停留序列的中心为停留点。
8.如权利要求7所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述(2)中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的， 依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(X(i,i+1)，y(i,i+1))， 依次计算所述两个相邻轨迹点之间的时间间隔At(i,i+1)、与所述候选停留位置的停留时长Stay' . A t之间的比值wight(i,i+1), 计算所述候选停留位置的坐标
9.如权利要求7所述的基于行程识别的出行者活动规律分析方法，其特征在于，所述(3)中，(b)中所述停留序列的中心是通过以下方式实现的， 计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay’ " At与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. At之间的比值wi ghh，计算所述停留序列的中心坐标(Sq. X, Sq. y)Sq. X = Wighti Stay' x+ (I-Wighti) Sq. x,Sq. y = Wighti Stay, y+(Iiighti) Sq. y。
10.如权利要求7所述的基于行程识别的出行者活动规律分析方法，其特征在于，还包括 (5)所述(3)中，(c)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于第二距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于第二时间阈值时，则(b)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停 留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候 选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。
全文摘要
本发明公开了一种基于行程识别的出行者活动规律分析方法，对n天的经行程识别的停留点进行分析，当停留点符合第一距离阈值条件时，将其合并为一个候选居住地，在所有的候选居住地中，累计停留时长最大的候选居住地的累计停留时长达到第一时间阈值，则将此候选居住地作为居住地。上述过程实现了对出行者居住地的准确判断。在居住地判断的基础上，利用本发明的分析方法，还可以进一步研究出行者的日平均休息时长、作息规律评价指标、主要出行位置、日平均出行距离等，从而实现对出行者的活动规律的掌握。本发明针对GPS定位轨迹数据或手机定位轨迹数据进行分析，均可以获得准确的分析结果。本发明尤其适用于装备GPS的出租车驾驶员的活动规律分析。
文档编号G06F19/00GK102629297SQ20121005654
公开日2012年8月8日 申请日期2012年3月6日 优先权日2012年3月6日
发明者仇培元, 吴海燕, 张健钦, 徐志洁 申请人:北京建筑工程学院