值比例的推荐值=
[0046]( Σ个人习惯耗时区间最大值-Σ个人习惯行驶耗时)/ Σ个人习惯行驶耗时。
[0047]进一步的，所述采集点是指安装有车辆身份与位置信息采集装置的地点；
[0048]所述普遍行驶耗时是指大多数车辆在一条由两个相邻采集点组成的线段上正常行驶所耗费的时长；
[0049]所述个人习惯行驶耗时是指某辆车按个人习惯在大多数情况下在一条由两个相邻采集点组成的线段上正常行驶所耗费的时长。
[0050]根据本发明的技术方案可以看出，本发明可有效过滤多种因素的干扰影响，精准判断车辆的停留行为及停留地。
【【附图说明】】
[0051]为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0052]图1为本发明一个实施例的一种车辆停留分析方法流程示意图。
[0053]图2为本发明另一个实施例的一种车辆停留实时分析方法流程示意图。
[0054]图3为本发明另一个实施例的一种车辆停留事后分析方法流程示意图。
图4为本发明另一个实施例的一种车辆非停车场停留事后分析方法流程示意图。
【【具体实施方式】】
[0055]下面将参照附图更详细的描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明，而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能更透彻的理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0056]本发明适用于稀疏型车辆身份与位置信息系统，如基于RFID电子车牌的交通信息系统、基于图像车牌识别的交通信息系统。由于稀疏型系统的车辆位置间隔距离远、呈现稀疏状，无法通过简单计算获得车辆停留地信息;本发明可从稀疏型位置信息的车辆通行数据中分析发现车辆的停留地。通过分析发现车辆停留地及起始地/目的地，可以构建每一辆车的行为链;而车辆行为链是基于车辆行为分析与交通相关的交通问题、公共安全问题、经济问题、社会问题、政务问题等重大议题的基础，是基于RFID电子车牌的交通信息系统、基于图像车牌识别的交通信息系统等系统对外提供各种高价值信息服务的基础。
[0057]为了详细的说清楚本发明的车辆停留分析方法，先对本发明用到的各详细的具体细节进行一一的阐述，以备在后续预测方法中能直接引用。
[0058]本发明的车辆停留事后分析方法会用到的各细节如下:
[0059]I)信息采集，采集包括但不限于如下信息:
[0060]车辆身份与位置信息:采集包括车牌号码、采集点在内的信息。
[0061 ]米集点彳目息:米集包括米集点编码、名称、地理位置在内的彳目息，其中，米集点是指安装有车辆身份与位置信息采集装置的地点。
[0062]停车场信息采集:采集包括停车场代码、名称、入口采集点、出口采集点在内的信息。其中，停车场是指有安装车辆身份与位置信息采集装置的车辆停泊场地;停车场停留是车辆在所述停车场的停泊行为;非停车场停留是车辆在没有安装车辆身份与位置信息采集装置的场地的停泊行为。
[0063]2)行驶路径分析:以两个相邻采集点间的路线为一条线段，计算得出车辆单次出行所经过的所有线段以及在每条线段行驶所耗费的时间。
[0064]3)定期参数计算:在设定的期限内(比如一天的时间)，计算线段普遍行驶耗时、线段个人习惯行驶耗时和周界采集点参数，具体的:
[0065]a)线段普遍行驶耗时:大多数车辆在一条由两个相邻采集点组成的线段上正常行驶所耗费的时长即为该线段的普遍行驶耗时。
[0066]具体的，采用设定时期内(比如一星期、半个月等的设置时间量)所有车辆的行驶路径数据，经数据挖掘处理，获得大多数车辆在每条线段的正常行驶所耗费的时间。数据挖掘的算法可采用聚类算法，包括k-means、birch、dbscan算法等，分别代表划分法、层次法、密度法三大体系的分类算法。例如，采用行驶路径数据，以路段为玮度，行驶耗时为度量，做聚类处理，把行驶路径数据至少划分为5个集合，其中车次最多的集合作为参考集合;参考集合中的行驶耗时最小值与最大值作为普遍行驶耗时区间，集合中的行驶耗时平均值作为普遍行驶耗时。
[0067]车辆在一条线段上的行驶速度大体分为三种:一种是比较快的行驶速度，对应一个耗时区间；一种是正常行驶速度，对应一个耗时区间；还有一种是开的比较慢的行驶速度，对应一个耗时时间；这三种行驶速度区间中车次最集中的区域作为大多数车辆的行驶耗时区间，本发明后续提到的“大多数车辆”也指这个意思。
[0068]阀值比例B推荐值:保存线段的普遍行驶耗时、普遍行驶耗时区间的历次计算结果;统计所有历史数据，可得出阀值比例B的推荐值=
[0069]( Σ普遍耗时区间最大值-Σ普遍行驶耗时)/Σ普遍行驶耗时
[0070]b)线段个人习惯行驶耗时:某辆车按个人驾驶习惯在大多数情况下在一条由两个相邻采集点组成的线段上正常行驶所耗费的时长，即为该线段个人习惯行驶耗时。采用一辆车设定时期内的行驶路径数据，经数据挖掘处理，获得该车辆在不同线段上正常行驶所耗费的时间。设定时期与数据挖掘的处理方法，以及本发明后续提到的数据挖掘处理方法，均与上述“I)线段普遍行驶耗时”时描述的一样，不再赘述。
[0071]阀值比例C推荐值:保存线段的个人习惯行驶耗时、个人习惯行驶耗时区间的历次计算结果;统计所有历史数据，每辆车的阀值比例C的推荐值=
[0072]( Σ个人习惯耗时区间最大值-Σ个人习惯行驶耗时)/Σ个人习惯行驶耗时
[0073]c)周界采集点:周界采集点是指车辆身份与位置信息采集系统管辖区域的边缘采集点，在该采集点以外的区域并没有采集系统管辖的采集点。周界采集点信息是指包括采集点信息是否为周界方向出、入在内的信息，可通过人工录入，也可根据历史数据采用自动计算与人工判定相结合的方式。
[0074]采用自动计算与人工判定相结合的方式进行判定的方法，例如:由于区域内的采集点比较密集，普遍行驶耗时比较短;车量驶出周界点后，由于外围没有采集点，返回管辖区域采集点时，这两点间的普遍行驶耗时会远大于区域内部两个采集点之间的普遍行驶耗时。因此可采用普遍行驶耗时数据作为训练数据，以其线段为玮度，以普遍行驶耗时为度量，作聚类分析;把普遍行驶耗时数据分裂成两大集合，其中普遍行驶耗时较大集合作为参考集合;参考集合内所有线段的两端采集点作为备选周界采集点，提交给人工作二次判定；其中参考集合内线段的起始节点作为驶出周界采集点，截止节点作为驶入周界采集点。
[0075]d)停车场普遍停留耗时:是指大多数车辆在一个停车场正常停留所耗费的最少时长。
[0076]具体的，采用线段普遍行驶耗时数据中相邻采集点都属于同一个停车场的数据，该数据即为停车场普遍停留耗时。
[0077]e)停车场个人习惯停留耗时:是指某辆车按个人习惯在大多数情况下在一个停车场正常停留所耗费的最少时长。
[0078]具体的，采用线段个人习惯行驶耗时数据中相邻采集点都属于同一个停车场的数据，该数据即为停车场普遍停留耗时。
[0079]4)实时计算参数:用于计算线段当前普遍行驶耗时、线段当前个人行驶耗时，具体的:
[0080]线段当前普遍行驶耗时:当前大多数车辆行驶通过线段所耗费的时间。采用当前车辆行驶路径数据，通过数据挖掘算法，获得线段当前普遍行驶耗时。
[0081]线段当前个人行驶耗时:车辆当前行驶通过线段所耗费的时间。
[0082]5)周界驶入驶出分析:用于判断车辆在周界地区驶入或驶出，如果是则由于周界采集点外无法得知车辆状态，设为特殊停留行为，周界采集点为特殊停留地。
[0083]根据本发明的一个实施例，如图1所示，一种车辆停留分析方法，用于根据稀疏型车辆身份与位置信息分析计算车辆的停留行为及停留地，所述方法包括:
[0084]步骤S110，进行信息采集，采集包括车辆身份与位置信息、采集点信息停车场信息在内的信息。
[0085]所述信息采集包括:车辆身份与位置信息采集:采集包括车牌号码、采集点在内的?目息；米集点?目息米集:米集包括米集点编码、名称、地理位置在内的?目息；停车场?目息米集:采集包括停车场代码、名称、入口采集点、出口采集点在内的信息。
[0086]步骤S120，根据信息采集结果，进行车辆行驶路径分析，计算得出以相邻采集点为道路线段的行驶路径数据。
[0087]具体的，参数计算包括周界采集点分析、停车场停留参数计算和线段行驶参数计算，停留分析包括周界驶入驶出分析、停车场停留分析和非停车场停留分析。
[0088]步骤S130，根据行驶路径分析结果，进行参数计算，计算得出包括线周界采集点、线段行驶参数、停车场停留参数在内的参数。
[0089]具体的，根据行驶路径分析结果，进行周界采集点分析，计算得出车辆与身份信息系统的周界采集点信息;根据行驶路径分析结果，进行停车场停留参数计算，计算包括普遍停留耗时、个人习惯停留耗时在内的停车场停留参数;根据行驶路径分析结果，进行线段行驶参数计算，计算得出包括普遍行驶耗时、个人习惯行驶耗时在内的线段行驶参数。
[0090]步骤S140，根据参数计算结果，进行停留分析