基于在途数据的车辆用途识别方法与流程

技术特征：

1.一种基于在途数据的车辆用途识别方法，其特征在于，包括如下步骤：

S1、每个车辆每天的行驶轨迹描述：根据汽车上传感器获取的在途数据，形成一个可以表示车辆运行时间、车辆活动地理位置混乱程度、车辆里程需求的多维向量drij；

S2、针对每个车辆每天的行驶轨迹，进行时间序列聚类，并根据聚类结果找出该类型车辆的主要行驶轨迹：

S3、计算每个车辆在不同轨迹类中的数量占自身所有轨迹的比重，依次从大到小累加排序后的比重，将累加值大于且最靠近阈值的轨迹认为是该车辆的主要行驶轨迹；

S4、根据主要行驶轨迹定义车辆用途：统计不同车辆的主要行驶轨迹给出车辆用途规则表。

2.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤S1包括以下三个步骤：

a、传感器每T分钟采取一次车辆目前行驶里程数据，利用每个车每天的行驶里程形成一个n维向量dij，n＝60×24/T；

b、传感器提取一个车辆一天停车点所有位置信息，并利用信息熵计算每个车辆一天停车点的混乱程度H(ij)；

c、将H(ij)作为之前向量dij的定n+1个向量值，形成一个可以表示车辆运行时间、车辆活动地理位置混乱程度、车辆里程需求的n+1维向量drij。

3.根据权利要求1或2所述的基于在途数据的车辆用途识别方法，其特征在于，所述车辆活动地理位置混乱程度通过地理位置角度来表示。

4.根据权利要求2所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤a中dij＝{trij1，trij2，trij3...tr1400/T}，

dij：第i辆车第j天的车辆驾驶轨迹情况；

trij1：第i辆车第j天的第1个时间段行驶里程情况。

5.根据权利要求2所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤b中

第i辆车第j天的第n次停车点位置；

H(ij)：第i量车第j天的信息熵；

i车第j天停车位置为的次数；

Nij：i车j天停车位置总数量。

6.根据权利要求2所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤c中drij＝{trij1，trij2，trij3...tr1400/T，H(ij)}；

trij1：第i辆车第j天的第1个时间段行驶里程情况；

H(ij)：第i量车第j天的信息熵。

7.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤S3中聚类是指以DTW为相似度度量，采用时间序列聚类的方式对每个车辆每天的行驶轨迹进行聚类，形成(C1，C2...Cm)，m类，即为该型号车辆的主要轨迹情况。

8.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤S3中计算每个车辆轨迹在不同轨迹类中数占自身轨迹的比重的公式为：

i车在Cm类中出现的轨迹占i车所有轨迹的比重；

N(cm/i)：i车在Cm类中出现的轨迹数量；

ti：i车中所有轨迹数量。

9.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于：步骤S3中，主要行驶轨迹公式为：pδ+1Cδ+1+pδCδ+pδ-1Cδ-1，其中pδ+1>pδ；pδ+1+pδ<ε；pδ+1+pδ+pδ-1>ε；

ε:阈值；

pδ+1，pδ，pδ-1所对应的Cm类为i车的主要轨迹。

10.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于：步骤S4中的统计分析可由二次聚类代替：根据据用户在每一类中的占比，进行二次聚类，将用户进行聚类，每一类用户即为一种用途。