一种基于浮动车技术获得区域带路专家的方法
【专利摘要】本发明提供一种基于浮动车技术获得区域带路专家的方法，具体包括如下步骤：利用浮动车车载信息终端定期采集行车信息，并将采集的数据上传至数据服务中心；数据服务中心过滤无效数据，并将有效的数据存储到对应的区域行车数据库中；数据服务中心通过统计分析行车数据序列在所述区域内的平均覆盖强度、覆盖率和平均停留时间；数据服务中心计算在所述区域内的时空分布特征得到该区域的带路专家列表并对列表按周期进行更新维护，推送最优带路专家信息；本发明为进入区域的行车用户提供区域带路专家信息，有利于提取区域内的正常驾驶行为模式，发现危险驾驶行为，并为进一步实现驾驶行为主动学习提供经验数据；对各类交通信息服务系统有着重要意义。
【专利说明】一种基于浮动车技术获得区域带路专家的方法
【技术领域】
[0001]本发明属于信息技术应用领域，具体是涉及交通信息服务系统中基于浮动车技术获得区域带路专家的方法，从而为经过特定区域的车辆提供基于区域带路专家信息的交通引导服务。
【背景技术】
[0002]浮动车技术，也被称作“探测车”，已经被广泛使用，其基本原理是:根据装备车载定位系统的浮动车在其行驶过程中定期记录的车辆位置，方向和速度信息，应用地图匹配、路径推测等相关的计算模型和算法进行处理，使浮动车位置数据和城市道路在时间和空间上关联起来。
[0003]在实际生活中，每个驾驶员都有各自最熟悉的区域，我们将对区域内的道路状况与环境最熟悉的驾驶员定义为“区域带路专家”。若能通过对浮动车数据挖掘分析，有效发现每个区域内的区域带路专家，则可为进一步提取每个区域内的带路专家的安全驾驶行为信息(如在特定道路上的驾驶速度信息、转向灯信息等)以及出行路径规划信息(如经过特定区域时的选路行为信息)提供重要的基础数据。
[0004]本发明通过构建“区域带路专家”发现模型，为进入该区域的行车用户提供带路专家信息，有利于提取区域内的正常驾驶行为模式，发现危险驾驶行为，并为进一步实现驾驶行为主动学习提供经验数据。
【发明内容】
[0005]本发明要解决的技术问题，在于提供一种基于浮动车技术获得区域带路专家的方法，提高了驾驶员行车的安全性，且有利于提取区域内的正常驾驶行为模式，发现危险驾驶行为。
[0006]本发明是这样实现的:一种基于浮动车技术获得区域带路专家的方法，其特征在于，包括如下步骤:
[0007]步骤1、浮动车在行驶过程中定期采集车辆编号、位置、速度以及时间信息，得到行车数据序列，并通过移动蜂窝通信技术将所采集到的行车数据序列传送到数据服务中心；
[0008]步骤2、数据服务中心对行车数据序列进行过滤处理，并提取行车数据序列中的位置信息与地理信息系统GIS中的图层区域信息匹配，得到行车数据序列所属的区域并将行车数据序列存储到对应的区域行车数据库中；
[0009]步骤3、数据服务中心通过统计分析行车数据序列在所述区域内的平均覆盖强度、平均覆盖率和平均停留时间；
[0010]步骤4、数据服务中心计算在所述区域内的时空分布特征得到该区域的区域带路专家列表并对列表按周期进行更新维护，推送最优区域带路专家信息。
[0011]本发明具有如下优点:本发明利用浮动车车载信息终端采集行车信息，通过数据服务中心对行车信息数据进行挖掘，根据行车数据信息在特定区域内的时空分布特征得到区域带路专家列表，实现了为进入该区域的行车用户提供带路专家信息，有利于提取区域内的正常驾驶行为模式，发现危险驾驶行为，并为进一步实现驾驶行为主动学习提供经验数据。
【专利附图】
【附图说明】
[0012]图1为本发明的基于浮动车技术获得区域带路专家的方法系统框架图。
[0013]图2为本发明的行车数据序列统计分析算法流程图。
[0014]图3为本发明的最优带路专家发现算法流程图。
【具体实施方式】
[0015]本发明为一种基于浮动车技术的区域带路专家发现方法，为交通信息服务系统提供交通引导信息，基于浮动车技术的区域带路专家发现方法，该方法包括如下步骤:
[0016]步骤1、浮动车在行驶过程中定期采集车辆编号、位置、速度以及时间信息，得到行车数据序列，并通过移动蜂窝通信技术将所采集到的行车数据序列传送到数据服务中心；[0017]步骤2、数据服务中心对行车数据序列进行过滤处理，并提取行车数据序列中的位置信息与地理信息系统GIS中的图层区域信息匹配，得到行车数据序列所属的区域并将行车数据序列存储到对应的区域行车数据库中；
[0018]步骤3、数据服务中心通过统计分析行车数据序列在所述区域内的平均覆盖强度、平均覆盖率和平均停留时间；
[0019]步骤4、数据服务中心计算在所述区域内的时空分布特征得到该区域的区域带路专家列表并对列表按周期进行更新维护，推送最优区域带路专家信息。
[0020]图1所示为基于浮动车技术的区域带路专家发现方法系统框架图，其中详细展示了基于浮动车技术的区域带路专家发现及最优带路专家推荐系统的所包括的四个部分，其中每个部分产生的结果作为下一个部分数据处理的对象。
[0021]第一个部分进行的是利用大量装备车载定位系统的浮动车以周期T定期采集车辆编号为1，位置1，速度V，以及时间信息t，得到浮动车行车数据序列Xi= < Ii, Vi, ti >，将采集到的数据通过移动蜂窝通信技术传送到数据服务中心；其中所述浮动车在给定的且用于分段采样的滑动时间窗T1内，其采样数据集合为m辆浮动车的n阶行车数据序列:
[0022]X(m, n) = (Xijj) i G [I, m], j G [I, n]},
[0023]其中，
【权利要求】
1.一种基于浮动车技术获得区域带路专家的方法，其特征在于，包括如下步骤: 步骤1、浮动车在行驶过程中定期采集车辆编号、位置、速度以及时间信息，得到行车数据序列，并通过移动蜂窝通信技术将所采集到的行车数据序列传送到数据服务中心； 步骤2、数据服务中心对行车数据序列进行过滤处理，并提取行车数据序列中的位置信息与地理信息系统GIS中的图层区域信息匹配，得到行车数据序列所属的区域并将行车数据序列存储到对应的区域行车数据库中； 步骤3、数据服务中心通过统计分析行车数据序列在所述区域内的平均覆盖强度、平均覆盖率和平均停留时间； 步骤4、数据服务中心计算在所述区域内的时空分布特征得到该区域的区域带路专家列表并对列表按周期进行更新维护，推送最优区域带路专家信息。
2.根据权利要求1所述的一种基于浮动车技术获得区域带路专家的方法，其特征在于:所述步骤I具体包括如下内容: 利用大量装备车载定位系统的浮动车以周期T定期采集车辆编号为i，位置1，速度V,以及时间信息t，得到浮动车行车数据序列Xi=Ci, Vi, W将采集到的数据通过移动蜂窝通信技术传送到数据服务中心；其中所述浮动车在给定的且用于分段采样的滑动时间窗T1内，其采样数据集合为m辆浮动车的n阶行车数据序列:
3.根据权利要求2所述的一种基于浮动车技术获得区域带路专家的方法，其特征在于:所述步骤2进一步包括: 步骤21、数据服务中心对所述行车数据序列中的速度信息进行数据滤除处理，得到有效的浮动车数据，然后抽取所有超低速行驶的数据集合；具体为:数据服务中心在时间窗AT1内将速度一直都低于Vtl的非正常行驶的干扰数据滤除，得到有效浮动车数据集合为
4.根据权利要求3所述的一种基于浮动车技术获得区域带路专家的方法，其特征在于:所述步骤3进一步包括: 步骤31、数据服务中心计算区域停留时间Y ，所述停留时间是浮动车i在区域f中所经历的时间长度，从进入该区域开始到离开所经历的时间长度记为一次区域停留时长，累计在时间窗T2内的停留时长总和，并求得T2时间段内区域停留时长的平均值； 提取行车路线特征向量1^中位置1M，得到所属区域f?内所储存的第一个行车数据序列的时间信息记为进入时间点t/，由于行车路线特征向量Li的位置信息所属的行车数据序列的时间信息是按时间先后顺序排列，因此可提取离Im最近的位置U」，得到位置Iu的所属区域内所储存的第一个行车数据序列的时间信息记为离开时间点t2'，同理，浮动车i第q次进入区域f，第q次进入时间点记为t2(r/，第二次离开时间点记为t2(/，直至统计完时间窗T2内行车路线特征向量Li的所有进出区域f的时间点，得到集合Time:Time=It/，t2'，…，t。' }，其中c为时间窗T2内浮动车区域停留时长的次数，一次停留时长记为It。' -tc_/ |，则停留总时长为
5.根据权利要求4所述的一种基于浮动车技术获得区域带路专家的方法，其特征在于:所述步骤4进一步包括: 步骤41、用平均覆盖强度、平均覆盖率和平均停留时间加权求和的方式，计算得出浮动车的时空分布度量值Mi;f，该时空分布度量值表示为
【文档编号】G08G1/00GK103680130SQ201310667672
【公开日】2014年3月26日 申请日期:2013年12月10日 优先权日:2013年12月10日
【发明者】廖律超, 邹复民, 蒋新华, 赖宏图, 贺文武, 胡蓉, 李璐明, 林江宏, 钱文逸, 林铭榛, 高晟 申请人:福建工程学院