一种基于GPS轨迹数据的出行段识别方法与流程

本发明涉及计算机识别技术，尤其涉及一种基于gps轨迹数据的出行段识别方法。

背景技术：

传统居民出行调查一般采用面对面访谈、纸质问卷、邮件和电话等形式，这些方法需要受访者填写详细的出行特征，并且是在一天或者更长时间段内出行结束后进行回忆填写，受访者的负担较大，填写的数据存在较大误差。比如，1)出行者通常将出行时间近似为相近的5分钟、10分钟甚至15分钟等，也不提供实际的出行路径等信息；2)出行调查的漏报、误报比例较高，通常处于20％-30％之间，这些都限制了出行数据的精度。

近些年，随着智能手机的快速普及，gps定位技术的发展完善，使得基于手机gps轨迹数据的出行调查成为可能。

现有的基于gps轨迹数据的出行段识别方法主要存在以下不足：

1)由于gps信号可能存在误差，现有方法直接使用gps记录数据中的速度值进行相关计算就会出现较大偏差；

2)缺乏完善的原始数据清洗与预处理方法，如信号漂移点的识别与去除；

3)在识别得到出行端点后，缺乏进一步的判定与去除伪端点的方法；

4)没有按照传统的出行定义去合并出行段。

因此，识别得到的出行段与真实的出行之间存在较大偏差，方法实用性不强。

技术实现要素：

为解决上述技术问题，本发明的目的在于提供一种基于gps轨迹数据的出行段识别方法。

本发明是通过以下技术方案实现的：主要包括数据清洗与预处理、识别出行端点并去除伪出行端点、合并出行段。该方法在综合基于规则法和聚类法优点的基础上，提出了数据清洗与预处理流程，有效剔除了出行端点识别与出行段合并中的噪声。用轨迹点相邻区间的距离与时间差计算该点瞬时速度，运用速度对时间的积分来计算出行距离。适用于基于gps轨迹数据的出行段识别，丰富gps轨迹数据挖掘算法体系，为大规模基于智能手机的出行调查推广提供理论支撑。

一种基于gps轨迹数据的出行段识别方法，其特征在于：包括以下步骤：

第一步、数据清洗与预处理；

1)去除定位卫星数少于4颗的轨迹点；

2)去除海拔高度大于当地最高海拔的轨迹点；

3)信号漂移点识别与剔除：该点与之前5个点的中心距离超过200米，同时与之后5个点的中心距离超过200米；

4)去除瞬时速度超过地面交通工具最大速度的轨迹点；

第二步、识别出行端点并去除伪端点；

根据gps信号记录情况分两种情形识别出行端点，

1)gps信号正常记录：出行端点处的轨迹点有点聚集的特征，用k均值聚类法识别此类端点；还有一种端点发生在短暂的接送人情形下，通过计算轨迹点的方向变化以及路段重复长度识别，方向发生180度的改变，且重复路段长度超过50米，即识别为接送人的出行端点；

2)gps信号缺失：缺失段时间差超过2分钟，且缺失段平均速度(缺失段长度与时间差的比值)小于步行速度最小值0.5m/s，即识别为出行端点；

第三步、合并出行段；

第二步得到的出行端点即活动发生点，去除活动范围小于50米的出行端点，得到所有的出行端点，合并各出行端点之间的出行段。

进一步的，第二步所述的k均值聚类法识别可能的出行端点，定义一个簇并给定簇内最少的点数m＝5个和聚类半径d＝10米，判断该簇中位点和簇外下一点之间的距离，如果小于d/2，则将该点加入簇中，否则结束该簇，直到所有的点都被遍历到，最终建立的各簇即为可能的出行端点，每一个簇的时间差至少为2分钟，否则作为伪端点并去除。

进一步的，第三步所述的出行段，各出行段需满足：出行段长度大于400米，出行时间超过5分钟，否则该出行段并入上一出行段。

相比现有技术,本发明具有如下有益效果:

本发明有效剔除了出行端点识别与出行段合并中的噪声，算法简易、高效、识别结果精准、可靠。本发明可以丰富gps轨迹数据挖掘算法体系，为大规模基于智能手机的出行调查推广提供理论支撑。

附图说明

图1一种基于gps轨迹数据的出行段识别流程图

图2信号漂移点识别与删除

图3轨迹点速度计算示意图

图4出行段距离计算

具体实施方式

下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程。

一、数据清洗与预处理

采集的gps轨迹数据一般包括：用户编号、定位时间、经度、纬度、海拔、速度、方向和定位卫星数。

根据用户编号，gps数据按照时间顺序分配到每个人每天的出行。

根据以下规则进行数据清洗与预处理：

1、去除定位卫星数少于4颗的轨迹点；

2、去除海拔高度大于200米(上海地区)的轨迹点；

3、信号漂移点识别与剔除：该点与之前5个点的中心距离超过200米，同时与之后5个点的中心距离超过200米；详细图例见图2。

4、去除瞬时速度超过150km/h的轨迹点。

注：

1)轨迹点瞬时速度的计算：vi＝(disi-1,i+disi,i+1)/(timei+1-timei-1)其中，disi-1,i表示第i-1个轨迹点与第i个轨迹点之间的距离，timei-1表示第i-1个轨迹点的时刻。详细图例见图3。

2)出行段距离计算：计算出行段距离时，与以往直接累加所有轨迹点间直线距离不同，本方法提出通过轨迹点速度对时间的积分得到出行距离：

如图4所示，速度折线与横轴围成的面积即是该段出行距离。

二、识别出行端点并去除伪端点

根据gps信号记录情况分两种情形识别出行端点。在gps信号记录正常时，出行端点处的轨迹点会有点聚集的特征，使用k均值聚类法识别此类端点；还有一种端点发生在短暂的接送人情形下，可以通过计算轨迹点的方向变化以及路段重复长度识别。

gps信号正常记录：

1)运用k均值聚类法识别可能的出行端点。定义一个簇并给定簇内最少的点数m＝5个和聚类半径d＝10米，判断该簇中位点和簇外下一点之间的距离，如果小于d/2，则将该点加入簇中，否则结束该簇，直到所有的点都被遍历到，最终建立的各簇即为可能的出行端点。每一个簇的时间差至少为2分钟，否则作为伪端点并去除；

2)方向发生180度的改变，且重复路段长度超过50米，即识别为接送人的出行端点。

gps信号缺失：缺失段时间差超过2分钟，且缺失段平均速度(缺失段长度与时间差的比值)小于步行速度最小值0.5m/s，即识别为出行端点。三、合并出行段

第二步得到的出行端点即活动发生点，去除活动范围小于50米的出行端点，得到所有的出行端点，合并各出行端点之间的出行段；

根据传统交通意义上出行的定义，各出行段须满足：出行段长度大于400米，出行时间超过5分钟，否则该出行段并入上一出行段。

实例验证：

实验共搜集到125名上海地区用户上传的有效gps轨迹数据，包括841人·天的2793492个gps轨迹点。其中，共有7.4％的无效gps轨迹点在数据清洗和预处理中被剔除，识别的整体正确率达到98.08％，错误率仅为3.22％；共有89个出行段被合并。出行段属性方面，识别的平均出行时长比真实值少88秒(4.3％)；对应地，平均出行距离比真实出行距离少336米(3.0％)。由此可见,利用本发明所述方法基于gps轨迹数据可以实现出行段的精准识别。

表1

表2

以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。