[发明专利]一种基于货车监控数据的装卸货地点识别方法

权利要求书

1.一种基于货车监控数据的装卸货地点识别方法，其特征在于，包括如下步骤：

步骤1、货车监测数据的清洗与修复，具体为：

S11、轨迹数据分段：按照检测数据的时间戳顺次检查车辆历史数据，针对监控数据的时间戳t_τ，若t_τ-t_τ-1＞4小时，则时间戳t_τ之前的监控数据构成一个新的轨迹段，针对该轨迹段，再进一步进行判断是否满足t_τ-1-t₁＜1小时，如果不满足，保留该轨迹段；如果满足，则舍弃该轨迹段；剩余监控数据从时间戳t_τ开始顺次进行判断；

S12、顺次检索车速数据，将车速小于0km/h或大于150km/h的点记为缺失数据，并对缺失数据进行修复；

S13、针对S12得到的监控数据，顺次检索车辆加速度数据，判断加速度是否满足车辆运动学规律，如果不满足，则记为缺失数据，并对缺失数据进行修复；

S14、对S13得到的监控数据进行数据平滑；

步骤2、对装卸货停车点进行判别，具体为：

S21、计算停留时间阈值t_h；

S22、找出车辆速度小于设定阈值vh的点，则初步判断为停车点；对停车点进行聚类，对每一类聚类点计算其停车时间，若停车时间大于停留时间阈值t_h，则认为是重要停车点，否则认为是一般停车点；

S23、轨迹抽稀

A、针对每一个轨迹段，确定轨迹段中的停车点后，相邻两个停车点之间轨迹作为车辆的一次出行轨迹；

B、针对每个出行轨迹，连接出行轨迹的首端点和末端点，记为线段l；若出行轨迹中某个轨迹点对线段l的垂足在线段l外，则将该出行轨迹以此轨迹点为界分割成两个子轨迹；

C、然后按照B的方法分别处理两个子轨迹，直到子轨迹没有轨迹点的垂足在线段之外，此时判断子轨迹首末端点的距离是否满足要求，如果满足：将子轨迹中除首、末端点之外的轨迹点删除；如果不满足，继续将子轨迹进行分割，直到子轨迹的首末端点的距离满足要求，并将子轨迹中除首、末端点之外的轨迹点删除；

D、按照B和C的方法处理每一次出行轨迹，完成每一个轨迹段的抽稀；

S24、折返点判定：针对抽稀后的各个轨迹段，根据设定的折返角阈值判断其中的每个轨迹点是否为折返点，如果是，则认为是折返点；如果否，认为是一般拐弯点；

步骤3、将S22判定的重要停车点以及S24认定的折返点作为备选装卸货停车点，针对备选装卸货停车点，根据车辆到达备选装卸货停车点前和离开备选装卸货停车点后车的总质量判断备选装卸货停车点是否为真的装卸货停车点。

2.如权利要求1所述的一种基于货车监控数据的装卸货地点识别方法，其特征在于，S13中，判别轨迹点的加速度是否满足车辆运动学规律的方法为：车辆加速度小于0.9g，则正常数据；若加速度大于或等于0.9g，轨迹数据记为缺失数据；缺失的轨迹点数据直接用插值法对数据进行修。

3.如权利要求1所述的一种基于货车监控数据的装卸货地点识别方法，其特征在于，S14中，采用移动平均方法对数据进行平滑处理。

4.如权利要求1所述的一种基于货车监控数据的装卸货地点识别方法，其特征在于，S22中，用基于密度聚类方法DBSCAN对停车点进行聚类。

5.如权利要求1所述的一种基于货车监控数据的装卸货地点识别方法，其特征在于，S22中，其停车时间的计算方法为，每一个停车点聚类中，停车时间最大值与最小值的差值即为该聚类的停车时间。