[发明专利]一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法

权利要求书

1.一种基于出租车轨迹数据的交通出行共现现象的可视化分析方法，其特征在于以下步骤：

S1：对出租车轨迹数据进行预处理：出租车轨迹数据的清洗，包括清除错误、异常值和冲突值；出租车轨迹数据的匹配，包括将记录的离散的点与路网匹配；

S2：对S1所述出租车轨迹数据进行车辆映射，包括如下步骤：

S2.1：区域划分，研究区域定位为：纬度在31.105到31.425之间，经度在121.185到121.865之间，之后将整个研究区域划分成规则的矩形，每个小区域的大小为经纬度0.02*0.02，将经纬度分别为lat，lng的位置计算后划分到相应区域并计算其区域编号，计算公式如下：

Location＝(floor((CONVERT(decimal(7，3)，lng)-121.185)*50)+floor((CONVERT(decimal(7，3)，lat)-31.105)*50)*34)

其中decimal(7，3)函数定义了数据的精度为7位有效数字小数点前3位数字，CONVERT(decimal(7，3)，lng)函数为将数据集中的经度信息转换成一共7位有效数字小数点前3位数字的数字格式，floor()函数为对括号内的数字向下取整，以使得到的区域编号均为整数；

S2.2：时间划分，将全天划分成24个均匀的时间间隔，每个时间间隔为1小时，首先利用转换函数convert(datetime，starttime，120)将行车开始时间starttime转换成标准时间格式，然后利用datepart()函数得到时间的hour部分，计算公式如下：

Time＝datepart([hour]，convert(datetime，starttime，120))；

S3：从S2所述进行车辆映射后的出租车数据中提取出共现事件数据；包括如下步骤：

S3.1：在图结构G＝(V，E)对共现进行建模：区域作为点，共现事件作为边；

S3.2：构建一系列子图，每个子图代表一个时间间隔，在每个子图中，当且仅当两个点之间发生共现时， 才会在这两点和共现发生的区域之间添加一条边，对于每条边，会添加一条权向量，表示参与共现的区域的行车数；

S3.3：对所有子图的数据在共现事件的地点和时间间隔上聚集形成完整共现图；

S4：对S3所述共现事件数据进行可视化展示；包括如下步骤：

S4.1：基于空间环境的探索，利用包含路径图、热图、密度图和地图的地图视图来显示S3.2和S3.3所生成的数据；

S4.2：基于区域的探索，利用包含扇形图(p，m，n)的区域视图来显示共现的区域特性，其中p表示与特定区域共现的区域，m表示该区域参与共现的行车数，n表示两个区域之间的距离；

S4.3：基于时间的探索，利用包含柱状图的流量视图来显示S3.2和S3.3所生成的数据中的共现事件数量。

2.如权利要求1所述的基于出租车轨迹数据的交通出行共现现象的可视化分析方法，其特征在于所述步骤S4.2中距离数据计算包括如下步骤：

S4.2.1：将区域编号转换成对应经纬度，定义区域内所有行车位置使用的都是该区域的左上角坐标，将行车的起始位置startP和终止位置endP转换成相应的坐标lat1，lng1，lat2，lng2，计算公式如下：

S4.2.2：行车起始位置lat1，lng1和终止位置lat2，lng2之间的实际距离计算公式如下：

n＝CONVERT(decimal(7，3)，(6730×acos(sin(lat1×PI()/180)×sin(lat2×PI()/180)+cos(lat1×PI()/180)×cos(lat2×PI()/180)×cos((lng1-lng2)×PI()/180))))

其中decimal()函数和CONVERT()函数同S2.1中释义，分别为定义数据精度和转换数据格式，在数据库SQL语句中PI()函数返回浮点型的π值。