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。