基于出租车gps数据挖掘的交通异常识别方法
【技术领域】
[0001] 本发明涉及一种基于出租车GPS数据挖掘的交通异常识别方法。
【背景技术】
[0002] 目前，许多城市内交通供给与交通需求之间的矛盾日益激化，造成严重的交通问 题。在趋于饱和的城市道路网络中，交通事故、交通拥堵、恶劣天气和道路交通紧急事件等， 均会造成道路交通短时异常，甚至会由点到面的迅速发展蔓延，导致整体路网的拥堵或瘫 痪。及时、准确地识别交通异常事件并进行积极的响应和处理，是应对道路交通矛盾的有效 途径之一。因此交通异常事件的识别也逐步成为交通研宄领域的研宄热点与难点。交通异 常识别也成为智能交通系统研宄中的一个重要组成部分。
[0003] 传统的交通异常事件识别技术依靠传感器技术、计算机技术、人工智能技术和通 信技术获取出租车的数量、车速、空间占有率等重要交通参数。检测设备的局限性和数据 的不完整性影响着传统交通异常事件识别的准确性和实时性。车载GPS定位设备的普遍 应用，在降低出租车相关信息获取难度的同时大大提高了信息的准确性，尤其是出租车GPS 设备，每隔一定时间间隔（〇. 5?2分钟）会向管理中心发送一条包含位置、车速、车头朝向 等信息的数据。由于出租车广泛的、长时间的分布于城市路网中，可以被视为城市路网交通 的"流动检测器"，其运行轨迹形态能够很好的反映出路网的交通运行状况，能够实时、准确 的获得识别异常所需的数据。此外，传统的交通异常识别方法多基于交通流量的变化，设计 不同的算法识别交通流参数的异常情况，而不能发现交通参与者的路径选择模式的异常情 况，而出租车GPS数据不仅包含了常规的交通参数，同时也蕴含着出租车在城市路网中行 驶的路径选择模式，而出租车的路径选择行为很大程度上代表了其他出租车的选择行为， 所以出租车GPS数据能够很好的应用于交通流量和路径选择模式的交通异常识别。
【发明内容】
[0004] 本发明的目的是为了解决现有的交通异常时间检测设备的局限性和数据的不完 整性导致交通异常事件识别的准确性和实时性低的问题，而提出一种基于出租车GPS数据 挖掘的交通异常识别方法。
[0005] 一种基于出租车GPS数据挖掘的交通异常识别方法，所述交通异常识别方法通过 以下步骤实现：
[0006] 步骤一、在城市路网地图内获得各出租车GPS点数据Pk，通过地图匹配方法 将出租车GPS点数据轨迹化，形成由连续的时间序列点集合表示的出租车GPS轨迹 TrzPi-P2- . . . -Pn，将以点形式记录的出租车GPS点数据转换为以轨迹形式记录的出 租车GPS轨迹数据；其中，城市路网地图表示城市待检测区域，出租车GPS点数据Pk=(经 度，炜度，时间戳）；
[0007] 步骤二、将步骤一的城市路网地图按照由一组等大小的正方形形成的方格网进行 划分，从而形成具有一组单元区域R的路网图结构，则出租车GPS轨迹会穿过划分后的单元 区域R或与单元区域R邻接；且所述出租车GPS轨迹Tr#- P 2- ... - P "中，若相邻两 个出租车GPS点数据Pk和P k+1，1彡k彡n+1分别位于不同的单元区域，则在这两个单元区 域间存在转换轨迹F，每个转换轨迹F都具有一个离开时间和一个到达时间，离开时间即为 出租车GPS点数据P k的时间戳，到达时间即为出租车GPS点数据P k+1点的时间戳；
[0008] 步骤三、对步骤二形成的单元区域内出租车轨迹数据的交通异常进行识别；
[0009] 步骤四、将出租车GPS轨迹转换成出租车轨迹通过单元区域之间的序列，然后对 步骤二形成的单元区域之间具有连接性交通异常进行识别；
[0010] 至此，通过单元区域内交通异常识别和单元区域间连接性交通异常识别这两部分 完成交通异常的识别过程；其中，交通异常是指交通事故、交通拥堵、恶劣天气和道路交通 紧急事件。
[0011] 本发明的有益效果为：
[0012] 本发明利用城市出租车GPS数据，抽象出个体出租车的出行轨迹，以大量的个体 轨迹反映群体的时空行为规律，既判断交通流量变化的异常，又可挖掘路径选择行为的异 常。将城市路网划分为等距离方格网，进而基于网格单元，根据交通异常图结构中路径上轨 迹模式的变化，准确地识别单元区域内的交通异常及单元区域间连接性的交通异常。
[0013] 其中，挖掘路径选择行为的异常是通过对城市出租车GPS数据的挖掘，确定出常 规路径选择模式，识别由城市路网中划分成的单元区域内和单元区域内的交通异常事件， 为交通异常事件的快速发现、紧急处置、减少交通阻塞提供科学的理论依据，使之与传统的 交通异常识别技术相比，能够体现交通异常事件识别的实时性，并将交通异常事件识别的 准确性提高至96%，体现出租车GPS数据挖掘在城市交通异常的识别方向极佳的应用前 景。
【附图说明】
[0014] 图1为本发明方法的流程图；
[0015] 图2为本发明涉及的地图匹配方法流程图；
[0016] 图3为本发明涉及的初始交通异常子图gi反映交通异常情况示意图，图中，rtl、 rt2、rt3、rt4分别代表tl、t2、t3、t4时刻的路径；
[0017] 图4为本发明涉及的备选路段作为起始路段插入到初始交通异常子图路径的示 意图；
[0018] 图5为图4的基础上，对与新的起始路段邻接的路段的信息进行更新的示意图；
[0019]图6为本发明涉及的构建单元区域间连接图的示意图。
【具体实施方式】
【具体实施方式】 [0020] 一：
[0021] 本实施方式的基于出租车GPS数据挖掘的交通异常识别方法，如图1所示，所述交 通异常识别方法通过以下步骤实现：
[0022] 步骤一、在城市路网地图内获得各出租车GPS点数据Pk，通过地图匹配方法 将出租车GPS点数据轨迹化，形成由连续的时间序列点集合表示的出租车GPS轨迹 TrzPi- P 2- . . . - P n，将以点形式记录的出租车GPS点数据转换为以轨迹形式记录的出 租车GPS轨迹数据；其中，城市路网地图表示城市待检测区域，出租车GPS点数据Pk=(经 度，炜度，时间戳）；
[0023] 步骤二、将步骤一的城市路网地图按照由一组等大小的正方形形成的方格网 进行划分，以方便交通异常识别，从而形成具有一组单元区域R的路网图结构，则出租 车GPS轨迹会穿过划分后的单元区域R或与单元区域R邻接；且所述出租车GPS轨迹 TrP2- . . ? -P"中，若相邻两个出租车GPS点数据Pk和Pk+1，1彡k彡n+1分别位于 不同的单元区域，即PiERpPi+iGR2，则在这两个单元区域间存在转换轨迹F，每个转换轨 迹F都具有一个离开时间和一个到达时间，离开时间即为出租车GPS点数据Pk的时间戳， 到达时间即为出租车GPS点数据Pk+1点的时间戳；
[0024] 步骤三、对步骤二形成的单元区域内出租车轨迹数据的交通异常进行识别；
[0025] 步骤四、将出租车GPS轨迹转换成出租车轨迹通过单元区域之间的序列，然后对 步骤二形成的单元区域之间具有连接性交通异常进行识别；
[0026] 至此，通过单元区域内交通异常识别和单元区域间连接性交通异常识别这两部分 完成交通异常的识别过程；其中，交通异常是指交通事故、交通拥堵、恶劣天气和道路交通 紧急事件。
【具体实施方式】 [0027] 二：
[0028] 与【具体实施方式】一不同的是，本实施方式的基于出租车GPS数据挖掘的交通异常 识别方法，步骤一所述通过地图匹配方法将出租车GPS数据轨迹化的过程为，
[0029] 步骤一一、在城市路网地图内，以出租车的初始位置点为中心画半径为1的圆，半 径r的大小由具体的路网情况决定，将与此圆相交或相切的路段都作为此出租车初始位置 点的备选匹配路段；
[0030] 步骤一二、计算每个备选匹配路段对于初始位置点的方向权重：Wh=HwC0S( 0 )，
[0031 ] 距离权重
【主权项】
1. 一种基于出租车GPS数据挖掘的交通异常识别方法，其特征在于：所述交通异常识 别方法通过以下步骤实现： 步骤一、在城市路网地图内获得各出租车GPS点数据Pk，通过地图匹配方法将 出租车GPS点数据轨迹化，形成由连续的时间序列点集合表示的出租车GPS轨迹 TrzPi-P2- . . . -Pn，将以点形式记录的出租车GPS点数据转换为以轨迹形式记录的出 租车GPS轨迹数据；其中，城市路网地图表示城市待检测区域，出租车GPS点数据Pk=(经 度，炜度，时间戳）； 步骤二、将步骤一的城市路网地图按照由一组等大小的正方形形成的方格网进行划 分，从而形成具有一组单元区域R的路网图结构，则出租车GPS轨迹会穿过划分后的单元区 域R或与单元区域R邻接；且所述出租车GPS轨迹TrP2- ... -P"中，若相邻两个 出租车GPS点数据Pk和Pk+1，1彡k彡n+1分别位于不同的单元区域，则在这两个单元区域 间存在转换轨迹F，每个转换轨迹F都具有一个离开时间和一个到达时间，离开时间即为出 租车GPS点数据Pk的时间戳，到达时间即为出租车GPS点数据Pk+1点的时间戳； 步骤三、对步骤二形成的单元区域内出租车轨迹数据的交通异常进行识别； 步骤四、将出租车GPS轨迹转换成出租车轨迹通过单元区域之间的序列，然后对步骤 二形成的单元区域之间具有连