[发明专利]一种用户出行模式识别的方法

权利要求书

1.一种用户出行模式识别的方法，其特征在于，包括以下步骤：

步骤一、进行城市区域划分，按照预设时间间隔获取终端的MR数据，所述MR数据至少包括采集时刻、IMSI、小区的标识及小区的接收电平值，包括当前小区和邻小区；

步骤二、采集RSSI数据，定位移动目标，通过城市现有的行政和功能区域划分规划区域划分聚类个数和聚类范围，使用K-means算法进行聚类，随机选择聚类中心，针对聚类数据集Ω中的每个站点，取所有n个研究对象站点x作为聚类数据集Ω，Ω＝{x1，x2，x3……xn}；

步骤三、根据手机位置坐标确定出行路径并计算手机定位移动速度，从数据库中查找与MR数据匹配的网格标识，并将网格标识对应网格的位置确定为在所述采集时刻终端的位置；

步骤四、利用K-means算法滤波对出行轨迹进行平滑处理，受遮蔽物、环境变化影响，RSSI信号会出现震荡现象，导致定位点在真实位置附近波动，K-means算法滤波能够很好地收拢定位点摆晃和漂移；

步骤五、多模式交通出行识别，所述多模式包括公交模式、小汽车模式以及步行模式，根据轨迹特征匹配法计算公交路径匹配率，当公交路径匹配率不小于公交路径匹配率设定值时，根据速度特征匹配法、聚合度特征匹配法以及距离特征匹配法进行公交模式出行识别，当同时满足速度特征匹配、聚合度特征匹配以及距离特征匹配时，识别为公交出行模式；

步骤六、基于停驻点的对细识别出行模式进行识别，所述细识别出行模式包括公交模式以及小汽车模式，根据距离特征匹配法进行步行模式出行识别，当距离特征满足步行模式出行特征时，识别为步行模式出行。

2.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述K-means算法进行聚类是以邻域ε内最少点数为目标对出行轨迹进行识别，并区分出静止的停驻点片段，从而得到轨迹中的停驻点片段。

3.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述从聚类数据集Ω中随机选取一个站点作为初始聚类中心C1，通过公式(1)计算站点xi与聚类中心点Cj的欧氏距离，通过公式(2)计算站点xi被选为下一个聚类中心点的概率P_(xi)

4.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述按照每一个站点xi的P_(xi)的大小确定每一个站点的轮盘面积，再使用轮盘法选取下一个聚类中心，每次选取下一个聚类中心后将同属于一个Θi的x_i从轮盘中删除，依次选出k个聚类中心作为聚类中心点集Φ，Φ＝{c₁，c₂，c₃…c_t…c_k}。

5.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述轨迹特征匹配率计算方法如下：

G＝1RΣi＝1nBi---(1)，其中，R为出行路径的空间矢量值，G为公交路径匹配率，Bi为与出行路径重合的公交线路空间矢量值，其中，i为与出行路径重合的换乘公交线路数，1≤i＜3，公交路径匹配率设定值为0.9。

6.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述公交模式出行满足聚合度特征匹配的方法是1≥D3≥0.6，所述步骤35中，聚合度特征满足小汽车模式出行的方法包括满足自驾车模式出行和出租车模式出行，其中，聚合度特征满足自驾车模式出行的方法是1≥D3≥0.8，聚合度特征满足出租车模式出行的方法是1≥D3≥0.8。

7.根据权利要求1所述的一种用户出行模式识别的方法，其特征在于，所述每个聚类中心和该聚类中心的所有站点构成一个研究对象区域，两个研究对象区域组成的一组研究对象区域，对一组研究对象区域随机抽取若干个工作日的每小时客流统计数据a_i，24个小时的客流数据组成数据集Ψ，Ψ＝{a₁，a₂，a₃…a_n}。