基于小波分析模极大值算法的交通出行换乘点识别方法
【技术领域】
[0001] 本发明属于交通数据采集中居民出行调查领域，尤其涉及一种利用小波分析模极 大值算法对手机GPS定位数据进行分析、处理，从而识别个体交通出行过程中交通方式换 乘点时空位置信息的流程与方法。
【背景技术】
[0002] 居民交通出行换乘信息采集是指导城市交通设施优化与建设的重要依据与基础， 尤其在大城市中，了解居民日常交通出行换乘时间和地点信息，能够为缓解城市热点地区 公共交通站点、停车场等基础设施压力提供有力支撑，是改善城市交通供需矛盾，提高居民 出行效率与满意度的重要基础。另一方面，通过识别交通出行换乘点，可以将居民多种交通 方式组合出行全程划分为单一交通方式出行段，该过程也是相关领域中交通方式识别的重 要前提与基础。目前，交通出行换乘信息采集方法主要有两种：
[0003] (1)居民出行调查。居民出行调查是当前应用最为广泛的传统交通换乘信息采集 方法，主要包含入户纸质问卷、电话采访以及邮件访问等常见调查形式，居民出行调查依靠 受访者回忆过去一天或多天的交通出行换乘事件来完成信息采集，因此该方法受被调查者 主观配合程度及记忆水平影响较大。其主要缺点有：1.受访者不愿意参与调查或调查随意 性过强，主观回忆偏差、错误现象较为普遍，并且很多短途或短时间出行中换乘信息常常会 被遗漏，数据质量无法得到可靠保障；2.调查工序繁琐、组织难度大，通常开展居民出行调 查需要交通、公安以及街道办事处等多部门协调完成，调查组织难度较大，并且入户调查前 的问卷设计、调查人员培训、人员组织与分工等比较繁琐，需要耗费大量的人力物力。
[0004] (2)公交1C卡调查。随着城市公交1C卡的推广，利用公交1C卡刷卡数据来提取 公交或者地铁等方式出行换乘信息成为了可能。然而该调查方法也存在一定的缺陷，如只 能获取到公交车或者地铁换乘信息，对于步行、自行车、摩托车、小汽车间的交通方式转换 地点、时间点还无法识别，技术应用范围有一定的局限。
[0005] 而运用手机GPS定位数据进行交通出行换乘信息提取能够有效避免上述方法缺 陷。首先，手机GPS定位仪能够连续采集居民出行全程时空轨迹信息，通过对手机GPS时空 定位数据的挖掘与处理分析，有望高精度识别出行全程交通换乘信息。该技术能够避免传 统调查法中受访者主观回忆偏差或信息遗漏现象，数据更加客观真实；此外，手机GPS定位 数据精度较高，数据更新周期可控，并且借助目前已广泛普及的智能手机，该技术在数据采 集内容、质量以及成本方面都得到显著改善。另一方面，本发明提出应用小波分析模极大值 算法进行交通换乘点识别，有效避免了现有依靠经验识别技术的主观缺陷，识别过程智能、 高效，技术适用范围更广，具有很好的行业应用前景。
【发明内容】
[0006] 为了克服现有技术的上述缺点，本发明提出了一种基于小波分析模极大值算法的 交通出行换乘点识别方法，运用手机GPS定位数据分析提取居民交通出行换乘信息，提出 数据修补、降噪数据预处理方法，在此基础上，创造性提出应用小波分析模极大值算法对手 机GPS记录的速度数据进行交通方式换乘点识别，提出了数据处理的整套方法以及识别结 果优化方法。此外，结合手机GPS定位时间、经炜度数据，该技术最终能够识别提取居民一 次或多次出行的交通方式换乘次数、每次换乘的时间、地理位置等信息，能够为提升我国交 通换乘信息采集内容、数据精度提供有力支撑。
[0007] 本发明解决其技术问题所采用的技术方案是：一种基于小波分析模极大值算法的 交通出行换乘点识别方法，包括如下步骤：
[0008] 步骤一、采集居民完整出行的时空定位数据，将时空定位数据导入计算机中，并根 据用户编号、出行时间顺序将数据进行分类存储，形成基础数据库；所述时空定位数据包括 出行时间、出行速度以及经炜度信息；
[0009] 步骤二、利用Matlab软件调用基础数据库中的数据进行数据预处理，填补缺失数 据和修正错误数据；
[0010] 步骤三、利用小波分析模极大值算法进行交通方式换乘点识别：
[0011] 设置第一小波分析尺度X，计算1到X尺度下小波分解系数的模值，根据计算结果 在时间-尺度坐标轴上绘制模极大值系数曲线图谱，并将各尺度下小波分析系数局部模极 大值点进行连线，该连线与时间坐标轴的交点即交通方式换乘时间点，以换乘时间点为索 弓丨，从基础数据库中提取换乘点的经炜度信息；
[0012] 步骤四、对识别结果进行优化：
[0013] 1)修正停车或明显加减速现象对交通方式换乘点识别的干扰：
[0014] 设置第二小波分析尺度Y，计算1到Y尺度下小波分解系数的模值，按照步骤三中 同样方法绘制模极大值线，选择两次分析中同一时刻均出现了的模极大值线作为准确的交 通方式换乘标识线；
[0015] 2)修正室内活动对交通方式换乘点识别的干扰：
[0016] 读取步骤二中缺失数据记录的空缺段前后定位数据点时间和经炜度信息，将各点 经炜度数据匹配到电子地图上，然后判定数据消失点和重新出现点与地铁站点间距离是否 均在50米以内，若是，则判定该缺失段为地铁出行；若否，则判定该缺失段为室内活动，并 删除相应换乘信息识别结果；
[0017] 步骤五、最终交通出行换乘信息提取：
[0018] 按照不同用户每天出行时间先后顺序，输出所有交通出行的换乘时间点、地理位 置、换乘次数等信息。
[0019] 与现有技术相比，本发明的积极效果是：
[0020] 针对我国目前居民日常出行过程中交通方式换乘点信息采集方法复杂，费用昂 贵，数据质量较低等问题，提出了一种基于手机GPS定位数据的交通出行换乘点智能识别 方法。运用手机GPS定位仪采集居民多种交通方式换乘出行时空特征数据，在此基础上， 将出行过程中连续变化的速度数据类比为信号波，将交通方式换乘点类比为信号波奇异点 (数据突变点），进而利用小波分析模极大值算法对交通出行换乘点进行识别，并提取出每 次换乘发生的时间、地理位置等信息。本方法优点在于：充分利用了手机GPS定位技术高 精度、可连续追踪出行轨迹的特征，并发挥小波分析模极大值算法对数据奇异性识别优势， 实现利用手机及传感器定位数据进行居民交通出行换乘信息智能识别。该发明可用于高频 度、大范围、自动化的居民交通出行换乘信息采集。
【附图说明】
[0021] 本发明将通过例子并参照附图的方式说明，其中：
[0022] 图1是不同交通方式换乘出行速度折线图；
[0023] 图2某步行-自行车-步行-公交车-步行样例交通方式换乘点识别结果示意 图；
[0024] 图3为几种居民出行常见交通方式组合模式的换乘点识别结果示意图；
[0025] 图4为数据预处理后速度折线图；
[0026] 图5为交通方式换乘点初步识别结果示意图；
[0027] 图6为误差修正结果示意图。
【具体实施方式】
[0028] 一种基于小波分析模极大值算法的交通出行换乘点识别方法，先用手机GPS定位 仪采集居民一趟（或多趟）完整出行时空定位数据，将数据按照用户编号、出行时间顺序有 序导入计算机数据库中存储与管理；再利用Matlab软件调用原始数据进行数据预处理，填 补缺失数据、修正错误数据；在此基础上，利用小波分析模极大值算法对手机GPS采集的速 度数据进行交通方式换乘点识别，并对识别结果进行优化处理，减少识别误差；最后，根据 不同用户及用户出行时间顺序，将识别结果进行整理统计，形成最终交通换乘信息识别结 果，包换交通出行过程中所有换乘时间点、地点以及换乘次数信息。所述方法中主要包含下 述处理步骤：
[0029] 步骤1 :手机GPS定位数据采集及数据库创建
[0030] 1)数据采集：利用手机GPS定位仪采集居民出行时空特征数据，具体包括出行时 间、出行速度以及经炜度数据。其中出行速度数据用于判断是否发生交通换乘事件，出行时 间与经炜度则用于表达不同交通方式换乘事件发生的时间点和地理位置信息。
[0031] 数据采集时，用户应在出发前2-3分钟打开数据采集软件预热，并确保出行过程 中软件始终处于开启状态，到达出行目的地2-3分钟后关闭软件。数据采集时间间隔应以 5-10秒为宜，间隔过长会增大换乘时间点识别误差，间隔过短会导致数据量庞大而影响后 期数据处理、存储效率。
[0032] 2)手机GPS定位数据库创建：数据采集结束后，将手机GPS定位数据导入计算机 中，并根据用户编号、调查时间先后顺序将所有数据进行分类存储，形成基础数据库供后续 数据分析和处理。
[0033] 步骤2 :数据预处理
[0034] 1)缺失数据修补：用Matlab软件读取基础数据库中每个用户每次出行的速度数 据，判别连续记录的出行速度数据是否有空缺段（即没有采集到数据），如有空缺，则用数 值"〇"填补所有空缺，并标记信息填补位置（如记录空缺段前、后定位点的时间和经炜度）； 如没有空缺，则继续识别与修补下一组数据。
[0035] 由于用户在地下或室内活动时，采集出行速度的手机GPS传感器信号会被建筑物 遮蔽，造成无法数据采集，出行速度将出现缺失段。因此，为了后续数量处理能够连续不间 断，事先将数据空缺段用数值" 0 "进行修补。
[0036] 2)异常数据修正：城市内部居民日常出行速度通常不会大于120km/h，因此，将定 位速度数据中超过120km/h的数据修正为120km/h。
[0037] 步骤3:利用小波分析模极大值算法识别交通方式换乘点
[0038] 1)数据导入：打开Matlab小波分析工具箱