[发明专利]一种轨迹数据清洗方法

权利要求书

1.一种轨迹数据清洗方法，其特征在于，包括：

S1，计算轨迹数据中相邻两个轨迹点之间的M阶差分，并降低M阶差分值小于第一预设阈值的相应轨迹点的可信度值，其中，所述可信度值用于描述一个轨迹点是非插值数据点的可能性；

S2，每个轨迹点向其邻居点投票的同时接受来自邻居点的投票值，根据邻居点的投票值重新计算每个轨迹点的可信度值；

S3，判断S2执行前后每个轨迹点的可信度值的变化值是否小于预设的可接受的最大变化值，若是，则删除所有可信度值小于第二预设阈值的轨迹点；否则，返回S2执行下一次迭代；

其中，设轨迹点p是轨迹点q的一个邻居点，则轨迹点p对轨迹点q的投票值表示为：

vote(p→q)＝credit(p)×fac(p→q)

其中，vote(p→q)表示轨迹点p对轨迹点q的投票值；credit(p)是轨迹点p的可信度值；fac(p→q)是投票因子，表示轨迹点p对轨迹点q投的票值占轨迹点p的可信度值的百分比；

其中，所述投票因子表示为：

其中，fac(p→q_i)表示轨迹点p对轨迹点q_i投的票值占轨迹点p的可信度值的百分比，dist(p,q_j)表示轨迹点p和轨迹点q_j之间的欧式距离，dist(p,q_k)表示轨迹点p和轨迹点q_k之间的欧式距离，轨迹点q_i、q_j、q_k是轨迹点p的邻居点；

其中，重新计算得到的任一轨迹点p的可信度值等于轨迹点p自身的可信度值加上轨迹点p的邻居点对轨迹点p的投票值；

其中，在每个轨迹点向其邻居点投票的同时接受来自邻居点的投票值，根据邻居点的投票值重新计算每个轨迹点的可信度值之后，所述S2还包括：

记录本次迭代后所述轨迹数据中所有轨迹点的可信度值之和为ov，在保证所有轨迹点的总可信度值以及每个轨迹点的可信度值占总可信度值的比例不变的情况下，按照公式调整各轨迹点的可信度值；

其中，ovc表示初始设置的所述轨迹数据中所有轨迹点的可信度值之和，credit(p_i)表示记录的调整前的轨迹点p_i的可信度值，表示调整后p_i的可信度值。

2.根据权利要求1所述的轨迹数据清洗方法，其特征在于，所述计算轨迹数据中相邻两个轨迹点之间的M阶差分包括：

基于x坐标和/或y坐标计算轨迹数据中相邻两个轨迹点之间的M阶差分。

3.根据权利要求1或2所述的轨迹数据清洗方法，其特征在于，M为大于等于2的正整数。

4.根据权利要求1所述的轨迹数据清洗方法，其特征在于，轨迹点p的邻居点是位于以轨迹点p为圆心，投票半径r为半径的圆形区域中的所有来自其他轨迹的轨迹点。