[发明专利]一种出租车载客轨迹聚类算法Tr‑OPTICS

说明书

技术领域

本发明涉及出租车载客轨迹聚类算法，具体指的是根据出租车轨迹数据的特征提出了适合海量轨迹空间聚类的Tr-OPTICS(Trajectory Ordering Points to Identify the Clustering Structure)算法。

背景技术

随着GPS定位、卫星导航、无线通信等技术的快速发展，民用GPS等定位设备不断普及和广泛应用。这些GPS定位设备以及基于位置信息服务(LBS)的各种应用产生了大量的来自移动对象的时空轨迹数据。时空数据挖掘技术、地理信息技术的不断成熟也使得研究这些大量移动对象的轨迹数据成为可能。这些移动对象轨迹数据根据来源可以分为两大类：一种轨迹数据是出租车、公交车等公共交通工具产生的，另一种轨迹数据来自个人活动，如手机定位数据、私家车轨迹数据等。由于这些数据中每一个轨迹点反映空间上的一个位置以及时间上的一个事件，而多个轨迹点的集合记录着该移动对象在空间和时间上的移动路径，代表着人们日常活动与出行行为特征。轨迹聚类的目的是识别相似的轨迹运动模式，所以通过移动对象轨迹聚类研究可以发掘人类群体整体移动的趋势，识别人们感兴趣的热点路径和热点区域以及挖掘居民通过某种交通方式出行的移动时空特征。有益于城市交通的管理、城市道路规划以及提供基于位置的精细化服务等等。

关于轨迹聚类的研究虽然已有一定的成果，但是在具体子轨迹的划分方式上仍有待改进，不同的子轨迹划分方式对轨迹聚类的结果影响较大，并且针对轨迹数据聚类算法的计算效率还有待提高。本发明以出租车的载客轨迹为研究对象，如图1所示，对出租车轨迹进行初次划分。再通过出租车载客轨迹的特征点来提取载客子轨迹，对载客轨迹进行二次划分。针对载客轨迹数据具有不确定性、不规则性的特征，结合现有的基于密度的OPTICS算法，提出了高效的新的轨迹聚类算法Tr-OPTICS。

发明内容

本发明针对载客轨迹数据具有不确定性、不规则性的特征，结合现有的基于密度的OPTICS(Ordering Points to Identify the Clustering Structure)算法，提出了高效的新的轨迹聚类算法。即在传统OPTICS算法的基础上，根据轨迹数据的特征提出了适合海量轨迹空间聚类的Tr-OPTICS算法。

本发明采用的技术方案为：

1.轨迹数据描述

出租车轨迹数据包括出租车运营过程中每个位置的时空属性信息，包括车辆编号、时间、经纬度坐标、瞬时速度、行驶方向、载客状态等。数据存储在SQL数据库中，车载GPS设备通过车辆的重量将空载时的空车状态记为“0”，载客时的重车状态记为“1”从而进行区别，因此从GPS轨迹数据中根据载客状态信息提取出租车的多次载客轨迹。

定义1出租车轨迹：是出租车在一组连续的时间段内运动所采样得到的GPS位置点数据的集合。如图2所示，Tr＝{P₁,P₂,P₃,P₄,P₅,P₆,P₇}表示一条出租车轨迹,其中P₁、P₂、P₃、P₄、P₅、P₆、P₇是采样得到的数据点，主要包括ID、经纬度位置、速度、时间、方向、载客状态等信息，表示为P＝(id,pos,t,s,dir,sta)。

定义2载客轨迹：是出租车在一段连续的时间内运行所采样得到的GPS位置点数据中乘客状态为“1-载客”的轨迹点的集合。

2.轨迹再划分

2.1轨迹划分方式