[发明专利]一种数据驱动的可达性概率和区域生成方法

说明书

本发明公开了一种数据驱动的可达性概率和区域生成方法，包括以下步骤：(1)处理出租车轨迹数据中的采样点，并将得到的采样点匹配到道路网络中，形成连续的轨迹数据；(2)扫描步骤(1)中处理得到的轨迹数据，生成基于图结构的轨迹索引；(3)通过步骤(2)建立的轨迹索引，对于用户发起的关于选定地点的可达性概率和区域的查询请求，采用带剪枝的算法搜索轨迹图中与查询请求相关的结点和边，以计算所选地点周围的可达性概率；(4)根据步骤(3)计算的可达性概率，结合预设的概率阈值，通过广度优先搜索算法搜索所述的可达性概率，在地图上划定在指定时间内从所选地点出发可达或可到达所述地点的区域。

技术领域

本发明涉及数据库及数据挖掘领域，尤其涉及一种数据驱动的可达性概率和区域生成方法。

背景技术

可达性的概率和区域计算允许人们预测在一定的时间范围内从城市中的一个地点到其他区域的概率，这使得它在城市空间中的选址问题、预测车辆行驶时间、业务覆盖率分析等方面有着广泛的应用。然而，现有的可达性估计算法主要基于物理距离计算。例如，许多酒店或住房推荐系统允许用户根据离地标建筑的远近过滤候选的地点；许多导航软件仅根据规划路线的距离和沿路的拥堵情况粗略估计时间。

在大多数情况下，由于存在多种可能的行驶路线、变化的交通流量、恶劣的天气情况等原因，算法无法准确地通过物理距离估计可达性。随着传感器和数据采集技术的发展，通过城市大数据，监控城市的运行秩序、解决出行或城市地理规划相关的问题、地理上的发展满足人类的潜在需求等一系列设想已经逐渐成为现实。先前的研究表明，长时间、大规模的出租车轨迹数据能够有效地揭示隐藏在城市道路流量中的交通模式。因此，利用这种在许多城市可以公开获取的数据，本专利所描述的一种数据驱动的可达性概率和区域生成方法能够帮助人们精确地估计城市多变的环境下可达概率和区域。

发明内容

本发明提供了一种数据驱动的可达性概率和区域生成方法，提供了可靠、高效地可达性计算方法，在城市空间中的选址问题、预测车辆行驶时间、业务覆盖率分析等方面有着广泛的应用，并可扩展解决其他与地理距离相关的问题。

一种数据驱动的可达性概率和区域生成方法，包括以下步骤：

(1)处理出租车轨迹数据中的采样点，并将得到的采样点匹配到道路网络中，形成连续的轨迹数据；

(2)扫描步骤(1)中处理得到的轨迹数据，生成基于图结构的轨迹索引；

(3)通过步骤(2)建立的轨迹索引，对于用户发起的关于选定地点的可达性概率和区域的查询请求，采用带剪枝的算法搜索轨迹图中与查询请求相关的结点和边，以计算所选地点周围的可达性概率，同时还计算得到概率密度信息；概率密度信息一般在计算可达性概率时同时得到。

(4)根据步骤(3)计算的可达性概率以及概率密度信息，结合预设的概率阈值，通过广度优先搜索算法搜索所述的可达性概率，在地图上划定在指定时间内从所选地点出发可达或可到达所述地点的区域。

本发明可处理规模极大的、包含上千万个有效GPS坐标点的出租车轨迹数据，且处理的数据规模可在保证查询效率的情况下，根据运行平台的硬件配置弹性变化。优选的，步骤(1)中，处理得到的轨迹数据以一系列在时间上连续的四元组(车辆编号、到达时间、离开时间、道路编号)格式存储于本地文件中。四元组即为一种轨迹数据。

由于轨迹数据量极其庞大，传统的线性扫描算法无法在短时间内产生可达性结果。为了高效地计算可达概率，必须先对轨迹数据建立索引，优选的，优选的，步骤(2)中，扫描步骤(1)中处理得到的轨迹数据，生成基于图结构的轨迹索引的具体步骤如下：