[发明专利]基于多层凝聚层次聚类算法的交通出行端点识别方法

说明书

本发明公开了一种基于多层凝聚层次聚类算法的交通出行端点识别方法，根据通信运营商处采集的用户手机4G通信信令数据，提出三层算法模型：等时距插点算法、凝聚层次聚类算法和乒乓驻留修正算法对用户出行端点进行提取；最后对用户整天的出行端点信息进一步整理，形成个体完成的出行时空序列。本发明利用了4G信令相比于2G信令数据定位频率更高的特征，发挥多层凝聚层次聚类算法的识别优势，解决传统单层算法在识别实际出行端点上的不足，实现利用3G/4G‑LTE技术背景下的信令数据进行居民交通出行端点信息的智能识别。该方法可用于大范围、自动化的居民交通出行端点信息采集。

技术领域

本发明属于交通数据采集中居民出行调查领域，尤其涉及一种利用多层凝聚层次聚类算法对4G通信信令数据进行分析、处理，从而识别个体交通出行中交通出行端点时空位置信息的流程与方法。

背景技术

随着社会经济的不断发展，居民的日常交通出行种类与次数都在不断增加。随之而来的是各大城市的交通拥堵现象日益严重，直接影响到社会经济发展和居民交通出行质量。居民交通出行端点信息的获取可以为整个城市居民交通出行现状分析提供重要依据，具体包含居民人均出行次数，城市热点地区的识别，客流集散地的集散现象分析等。目前，用于获取居民交通出行端点信息的方法主要有两种：

(1)居民出行调查。居民出行调查是目前应用最为广泛的居民出行起讫点信息获取方法，主要包含入户纸质问卷、电话采访以及邮件访问等常见调查形式，居民出行调查依靠受访者回忆过去一天或多天的交通出行起讫点来完成信息采集，因此该方法受被调查者主观配合程度及记忆水平影响较大。其主要缺点有：1.受访者不愿意参与调查或调查随意性过强，主观回忆偏差、错误现象较为普遍，并且很多短途或短时间出行信息常常会被遗漏，数据质量无法得到可靠保障；2.调查工序繁琐、组织难度大，通常开展居民出行调查需要交通局、公安局以及街道办事处等多部门协调完成，调查组织难度较大，并且入户调查前的问卷设计、调查人员培训、人员组织与分工等比较繁琐，需要耗费大量的人力物力。

(2)利用手机信令数据来提取居民出行端点信息。以往的手机2G信令数据提取出行端点信息的方法主要是“基于规则的方法”，通过设定一定的相邻轨迹点距离阈值及相应的停留时长阈值等依据一定规则，设置一定的限制条件进行不断分类，最终将完整的出行信令数据点分为出行端点和出行移动轨迹点。然而，新一代移动通信3G/4G-LTE技术产生的信令数据定位频率更高，该方法易导致出行端点遗漏，或识别个数偏多，急需更强适用性的算法对4G信令数据的出行端点挖掘提取。

本发明提出利用多层凝聚层次聚类算法来处理手机4G信令数据提取出行端点信息的方法能够有效避免上述缺陷。首先，相比于2G信令数据，4G信令数据有着更高的定位频率，采集居民出行时空轨迹信息，通过对手机4G信令时空定位数据的挖掘与处理分析，有望持续观察识别居民的交通出行端点信息。该技术能够避免传统调查法中受访者主观回忆偏差或信息遗漏现象，数据更加客观真实；此外，信令数据是被动式采集，不需要被调查者的主观参与，可直接从通信运营商处获得，且移动手机的普及使得信令数据具有非常高的采样范围，该技术在数据采集内容、质量以及成本方面都得到显著改善。同时，本发明提出应用多层凝聚层次聚类算法进行交通出行端点识别，并对出行时间序列进行提取，识别过程智能、高效，技术适用范围更广，具有很好的行业应用前景。

发明内容

为了克服现有技术的上述缺点，本发明提出了一种基于多层凝聚层次聚类算法的交通出行端点识别方法，运用手机4G信令数据分析提取居民交通出行端点信息，提出异常定位数据剔除筛选的数据预处理方法，在此基础上，创造性提出应用三层算法模型：等时距插点算法、非监督凝聚层次聚类算法和乒乓驻留修正算法，对手机4G信令数据进行交通出行端点识别，提出了数据处理的整套方法。该技术最终能将居民一天或多天完整的交通出行切割成多个单次出行，并包含每次出行起讫点的时空位置信息。

本发明解决其技术问题所采用的技术方案是：一种基于多层凝聚层次聚类算法的交通出行端点识别方法，包括如下步骤：