手机及车辆定位分析方法及系统与流程

本发明涉及一种手机及车辆定位分析方法及系统。

背景技术

dbscan作为基本的聚类算法，目的是找到密度相连对象的最大集合。其聚类前不需要指定k参数，显著优点是聚类速度快且较好的识别噪声点和发现任意形状的簇，过滤低密度区域，发现稠密度样本点。st-dbscan是由birantd等人在2007年为能够处理时空对象在dbscan的基础上改进的聚类算法，是将dbscan算法在时间维度上进行扩展，以三维空间圆柱体为搜索邻域取代二维的圆形搜索邻域。该数据定位分析模型使用优化st-dbscan算法，主要包含三个步骤：第一阶段是通过某一路段的车载gps轨迹数确定出适合k-means聚类算法的k值，即表示可行性数据集分配的簇族数，第二阶段由k-均值算法对可行性数据集进行快速聚类，通过对聚类结果进行统计分析确定出适合st-dbscan算法的两个参数eps和minpts的值。第三阶段是st-dbscan算法根据获得的参数值进行参数调优和聚类分析。

技术实现要素：

本发明的目的在于提供一种手机及车辆定位分析方法及系统。

为解决上述问题，本发明提供一种手机及车辆定位分析方法，包括：

采集道路上运行车辆的gps的定位数据以及道路上车载乘客手机的海量gps的定位数据和基站的定位数据；

对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库；

通过所述数据库中的可行性数据集的经纬度的信息进行地图匹配；

根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值；

将各个簇的关键对象度量值作为定位分析模型的支持度，将hov车道实际规定符合车辆车载人数作为其最小支持度，检测满足所述最小支持度的符合在hov车道的行驶车辆，将符合的行驶车辆的信息存入对应的数据库；

将所述符合的行驶车辆的信息作为挖掘建立的车辆及手机定位分析模型的依据。

进一步的，在上述方法中，对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库，包括：

假设pi-1、pi、pi+1是按照时间顺序排列的位置点，其中pi是疑似异常点，计算移动对象在pi-1、pi+1点之间的平均速度v，移动对象在时间段[ti-1,ti]内的路程小于等于半径r1且在时间段[ti,ti+1]的路程小于等于r2，即移动对象在ti时刻出现在以pi-1为原点以r1为半径和以pi+1为原点以r2为半径的两区域的交集时则为正点，反之，pi是异常点，将pi删除。

进一步的，在上述方法中，根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值，包括：

通过优化的st-dbscan聚类算法的ε和minpts参数值，根据所述定位数据，得出车辆中乘客人数作为簇的关键对象度量值。

进一步的，在上述方法中，通过优化的st-dbscan聚类算法的ε和minpts参数值，根据所述定位数据，得出车辆中乘客人数作为簇的关键对象度量值，包括：

步骤一，通过某一路段的车载gps轨迹数据确定出k-means聚类算法的k值，即表示可行性数据集分配的簇族数；

步骤二，使用k-means算法对可行性定位数据集n进行聚类，得到簇族数集合(a1,a2,...,ak)；其中ai表示第i个簇；

步骤三，对于每一个簇ai，计算其中每每两个样本之间相距的距离，从而得出样本距离集di，其中,di＝(d1,d2,...,di)；

步骤四，对集合di，计算比较得出距离值的最大值di(max)和最小值di(min)，并计算出两者之间的差值x；

步骤五，通过x将可行性数据集的样本集分为若干个不同的取值范围，对每一范围的轨迹数据点进行计算分析，并查找含有对应轨迹数据点最多的一组簇ai，将其含有最少样本轨迹数据点的簇am的轨迹点数作为参数minptsi；

步骤六，重复上述的步骤一至五求得所有数据集中不同的簇ai对应的εi值和minptsi值，并以最大的minpts作为可行性数据集的参数标准值。

根据本发明的另一面，提供一种手机及车辆定位分析系统，包括：

第一模块，用于采集道路上运行车辆的gps的定位数据以及道路上车载乘客手机的海量gps的定位数据和基站的定位数据；

第二模块，用于对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库；

第三模块，用于通过所述数据库中的可行性数据集的经纬度的信息进行地图匹配；

第四模块，用于根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值；

第五模块，用于将各个簇的关键对象度量值作为定位分析模型的支持度，将hov车道实际规定符合车辆车载人数作为其最小支持度，检测满足所述最小支持度的符合在hov车道的行驶车辆，将符合的行驶车辆的信息存入对应的数据库；

第六模块，用于将所述符合的行驶车辆的信息作为挖掘建立的车辆及手机定位分析模型的依据。

进一步的，在上述系统中，所述第二模块，用于假设pi-1、pi、pi+1是按照时间顺序排列的位置点，其中pi是疑似异常点，计算移动对象在pi-1、pi+1点之间的平均速度v，移动对象在时间段[ti-1,ti]内的路程小于等于半径r1且在时间段[ti,ti+1]的路程小于等于r2，即移动对象在ti时刻出现在以pi-1为原点以r1为半径和以pi+1为原点以r2为半径的两区域的交集时则为正点，反之，pi是异常点，将pi删除。

进一步的，在上述系统中，所述第四模块，用于通过优化的st-dbscan聚类算法的ε和minpts参数值，根据所述定位数据，得出车辆中乘客人数作为簇的关键对象度量值。

进一步的，在上述系统中，所述第四模块，包括：

第四一模块，用于通过某一路段的车载gps轨迹数据确定出k-means聚类算法的k值，即表示可行性数据集分配的簇族数；

第四二模块，用于使用k-means算法对可行性定位数据集n进行聚类，得到簇族数集合(a1,a2,...,ak)；其中ai表示第i个簇；

第四三模块，用于对于每一个簇ai，计算其中每每两个样本之间相距的距离，从而得出样本距离集di，其中,di＝(d1,d2,...,di)；

第四四模块，用于对集合di，计算比较得出距离值的最大值di(max)和最小值di(min)，并计算出两者之间的差值x；

第四五模块，用于通过x将可行性数据集的样本集分为若干个不同的取值范围，对每一范围的轨迹数据点进行计算分析，并查找含有对应轨迹数据点最多的一组簇ai，将其含有最少样本轨迹数据点的簇am的轨迹点数作为参数minptsi；

第四六模块，用于重复执行上述的模块四一至模块四五求得所有数据集中不同的簇ai对应的εi值和minptsi值，并以最大的minpts作为可行性数据集的参数标准值。

与传统应用红外热成像技术识别车辆实载乘员数，依托视频监控设备对违规驶入hov车道车辆的自动抓拍从而进行监测执法相比，本发明的有益效果是：创新性提出使用智能移动手机定位技术及车载gps技术建立检测模型应用于hov车道智能检测。可以节约基础设施建设成本，为交通部门道路执法提供新的监测手段。

附图说明

图1是本发明一实施例的手机及车辆定位分析方法及系统的移动对象轨迹点异常处理示意图；

图2是本发明一实施例的基于k均值的st-dbscan改进算法的手机及车辆定位分析模型能在hov车道上的应用的流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，本发明提供一种手机及车辆定位分析方法，包括：

步骤s1，采集道路上运行车辆的gps的定位数据以及道路上车载乘客手机的海量gps的定位数据和基站的定位数据；

步骤s2，对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库；

步骤s3，通过所述数据库中的可行性数据集的经纬度的信息进行地图匹配；

步骤s4，根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度

量值；

步骤s5，将各个簇的关键对象度量值作为定位分析模型的支持度，将hov车道实际规定符合车辆车载人数作为其最小支持度，检测满足所述最小支持度的符合在hov车道的行驶车辆，将符合的行驶车辆的信息存入对应的数据库；

步骤s6，将所述符合的行驶车辆的信息作为挖掘建立的车辆及手机定位分析模型的依据。

在此，本发明提供一种基于k均值的st-dbscan改进算法的手机及车辆定位分析模型能在hov车道上的应用，先获取道路上运行车辆的gps定位数据以及道路上车载乘客手机的gps定位数据和基站定位数据，对采集的数据进行数据格式校验、剔除逻辑错误数据、补齐部分缺失数据等数据预处理操作生成可行性数据集存入数据库，通过数据库可行性数据的经纬度等信息进行地图匹配，之后再次扫描数据库，将车辆gps及手机定位轨迹数据点通过优化的st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值。将关键对象度量作为定位分析模型的支持度，根据hov车道实际规定符合车辆车载人数作为其最小支持度，检测符合在hov车道行驶车辆，将符合的车辆信息存入对应的数据库，为交通部门道路检测执法提供科学依据。满足最小支持度的数据集就是最后挖掘建立的车辆及手机定位分析模型的依据。解决了传统应用红外热成像技术识别车辆实载乘员数，依托视频监控设备对违规驶入hov车道车辆的自动抓拍从而进行监测执法，创新性提出使用智能移动手机定位技术及车载gps技术建立检测模型应用于hov车道智能检测。

本发明的手机及车辆定位分析方法一实施例中，步骤s2，对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库，包括：

如图2所示，p4和p6可能是两个异常点，所以对p4、p6点进行异常检测。检测标准：假设pi-1、pi、pi+1是按照时间顺序排列的位置点，其中pi是疑似异常点，计算移动对象在pi-1、pi+1点之间的平均速度v，移动对象在时间段[ti-1,ti]内的路程小于等于半径r1且在时间段[ti,ti+1]的路程小于等于r2，即移动对象在ti时刻出现在以pi-1为原点以r1为半径和以pi+1为原点以r2为半径的两区域的交集时则为正点，反之，pi是异常点，将pi删除。

本发明的手机及车辆定位分析方法一实施例中，步骤s4，根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值，包括：

通过优化的st-dbscan聚类算法的ε和minpts参数值，根据所述定位数据，得出车辆中乘客人数作为簇的关键对象度量值。

在此，对优化的st-dbscan聚类算法思想具体描述如下：

输入input：可行性定位数据集n，k-均值的簇数k

输出output：ε1，ε2，...,εk、minpts。

步骤：

步骤一，通过某一路段的车载gps轨迹数据确定出k-means聚类算法的k值，即表示可行性数据集分配的簇族数；

步骤二，使用k-means算法对可行性定位数据集n进行聚类，得到簇族数集合(a1,a2,...,ak)；其中ai表示第i个簇；

步骤三，对于每一个簇ai，计算其中每每两个样本之间相距的距离，从而得出样本距离集di，其中,di＝(d1,d2,...,di)；

步骤四，对集合di，计算比较得出距离值的最大值di(max)和最小值di(min)，并计算出两者之间的差值x；

步骤五，通过x将可行性数据集的样本集分为若干个不同的取值范围，对每一范围的轨迹数据点进行计算分析，并查找含有对应轨迹数据点最多的一组簇ai，将其含有最少样本轨迹数据点的簇am的轨迹点数作为参数minptsi；

步骤六，重复上述的步骤一至五求得所有数据集中不同的簇ai对应的εi值和minptsi值，并以最大的minpts作为可行性数据集的参数标准值。

本发明还提供另一种手机及车辆定位分析及系统，包括：

第一模块，用于采集道路上运行车辆的gps的定位数据以及道路上车载乘客手机的海量gps的定位数据和基站的定位数据；

第二模块，用于对采集的定位数据进行包括数据格式校验、剔除逻辑错误数据、补齐部分缺失数据的数据预处理操作，以生成可行性数据集存入数据库；

第三模块，用于通过所述数据库中的可行性数据集的经纬度的信息进行地图匹配；

第四模块，用于根据所述地图匹配结构再次扫描数据库，将所述定位数据的定位轨迹数据点通过st-dbscan聚类算法进行分类，计算出各个簇的关键对象度量值；

第五模块，用于将各个簇的关键对象度量值作为定位分析模型的支持度，将hov车道实际规定符合车辆车载人数作为其最小支持度，检测满足所述最小支持度的符合在hov车道的行驶车辆，将符合的行驶车辆的信息存入对应的数据库；

第六模块，用于将所述符合的行驶车辆的信息作为挖掘建立的车辆及手机定位分析模型的依据。

进一步的，在上述系统中，所述第二模块，用于假设pi-1、pi、pi+1是按照时间顺序排列的位置点，其中pi是疑似异常点，计算移动对象在pi-1、pi+1点之间的平均速度v，移动对象在时间段[ti-1,ti]内的路程小于等于半径r1且在时间段[ti,ti+1]的路程小于等于r2，即移动对象在ti时刻出现在以pi-1为原点以r1为半径和以pi+1为原点以r2为半径的两区域的交集时则为正点，反之，pi是异常点，将pi删除。

进一步的，在上述系统中，所述第四模块，用于通过优化的st-dbscan聚类算法的ε和minpts参数值，根据所述定位数据，得出车辆中乘客人数作为簇的关键对象度量值。

进一步的，在上述系统中，所述第四模块，包括：

第四一模块，用于通过某一路段的车载gps轨迹数据确定出k-means聚类算法的k值，即表示可行性数据集分配的簇族数；

第四二模块，用于使用k-means算法对可行性定位数据集n进行聚类，得到簇族数集合(a1,a2,...,ak)；其中ai表示第i个簇；

第四三模块，用于对于每一个簇ai，计算其中每每两个样本之间相距的距离，从而得出样本距离集di，其中,di＝(d1,d2,...,di)；

第四四模块，用于对集合di，计算比较得出距离值的最大值di(max)和最小值di(min)，并计算出两者之间的差值x；

第四五模块，用于通过x将可行性数据集的样本集分为若干个不同的取值范围，对每一范围的轨迹数据点进行计算分析，并查找含有对应轨迹数据点最多的一组簇ai，将其含有最少样本轨迹数据点的簇am的轨迹点数作为参数minptsi；

第四六模块，用于重复执行上述的模块四一至模块四五求得所有数据集中不同的簇ai对应的εi值和minptsi值，并以最大的minpts作为可行性数据集的参数标准值。

本发明的系统各实施例的详细内容，具体可参见各方法实施例的对应部分，在此，不再赘述。

与传统应用红外热成像技术识别车辆实载乘员数，依托视频监控设备对违规驶入hov车道车辆的自动抓拍从而进行监测执法相比，本发明的有益效果是：创新性提出使用智能移动手机定位技术及车载gps技术建立检测模型应用于hov车道智能检测。可以节约基础设施建设成本，为交通部门道路执法提供新的监测手段。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。