[发明专利]基于时空聚类分析算法的交通出行起讫点识别方法

说明书

本发明公开了一种基于时空聚类分析算法的交通出行起讫点识别方法，用手机GPS定位仪采集居民一天完整出行时空定位数据；对采集的数据进行预处理，剔除异常数据并修补缺失数据；利用基于密度的时空聚类分析算法识别交通出行起讫点；按不同用户及用户出行时间顺序统计形成最终交通出行起讫点识别结果。本发明充分利用了手机GPS定位技术高精度、可连续追踪出行轨迹的特征，并发挥基于密度的时空聚类分析算法的识别优势，解决传统空间聚类算法在识别实际出行端点上的不足，实现利用手机定位数据进行居民交通出行起讫点信息智能识别。该方法可用于大范围、自动化的居民交通出行起讫点信息采集。

技术领域

本发明属于交通数据采集中居民出行调查领域，尤其涉及一种利用基于密度的时空聚类分析算法对手机GPS定位数据进行分析、处理，从而识别个体交通出行中交通出行起讫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。居民交通出行起讫点信息(即居民从哪儿到哪儿)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起讫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GPS数据来提取居民出行起讫点信息。目前用于处理手机GPS数据来提取出行起讫点信息的方法主要是“基于规则的方法”(rule-based method)，通过设定一定的速度阈值、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，最终将完整的出行链GPS轨迹点分为出行起讫轨迹点和出行移动轨迹点。但是这类方法的相应阈值设定以及规则设定主要依据主观经验，缺乏相应的数据支撑，同时，这类方法不考虑GPS轨迹点的空间分布信息，技术应用范围有一定的局限。

本发明提出利用基于密度的时空聚类分析算法来处理手机GPS数据提取出行起讫点信息的方法能够有效避免上述缺陷。首先，手机GPS定位仪能够连续采集居民出行全程时空轨迹信息，通过对手机GPS时空定位数据的挖掘与处理分析，有望高精度识别出行全程交通出行起讫点信息。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，手机GPS定位数据精度较高，数据更新周期可控，并且借助目前已广泛普及的智能手机，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，本发明提出应用基于密度的时空聚类分析算法进行交通出行起讫点识别，算法参数标定依据采集客观数据的统计分析确定，有效避免了现有依靠主观经验识别技术的主观缺陷，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，本发明提出一种基于时空聚类分析算法的交通出行起讫点识别方法，运用手机GPS定位数据分析提取居民交通出行起讫点信息，提出异常轨迹数据剔除、缺失轨迹数据修补的数据预处理方法，在此基础上，创造性提出应用基于密度的时空聚类分析算法对手机GPS仪记录的GPS轨迹数据进行交通出行起讫点识别，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。