[发明专利]基于在途数据的车辆用途识别方法

权利要求书

1.一种基于在途数据的车辆用途识别方法，其特征在于，包括如下步骤：

S1、每个车辆每天的行驶轨迹描述：根据汽车上传感器获取的在途数据，形成一个可以表示车辆运行时间、车辆活动地理位置混乱程度、车辆里程需求的多维向量dr_ij；

S2、针对每个车辆每天的行驶轨迹，进行时间序列聚类，并根据聚类结果找出该车辆的主要行驶轨迹：

S3、计算每个车辆在不同轨迹类中的数量占自身所有轨迹的比重，依次从大到小累加排序后的比重，将累加值大于且最靠近阈值的轨迹认为是该车辆的主要行驶轨迹；

S4、根据主要行驶轨迹定义车辆用途：统计不同车辆的主要行驶轨迹给出车辆用途规则表；

所述步骤S1包括以下三个步骤：

a、传感器每T分钟采集一次车辆目前行驶里程数据，利用每个车每天的行驶里程形成一个n维向量d_ij，n＝60×24/T；

b、传感器提取一个车辆一天停车点所有位置信息，并利用信息熵计算每个车辆一天停车点的混乱程度H(ij)；

c、将H(ij)作为之前向量d_ij的第n+1个向量值，形成一个可以表示车辆运行时间、车辆活动地理位置混乱程度、车辆里程需求的n+1维向量dr_ij。

2.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述车辆活动地理位置混乱程度通过信息熵来表示。

3.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤a中d_ij＝{tr_ij1,tr_ij2,tr_ij3…tr_ij1440/T}，

d_ij：第i辆车第j天的车辆驾驶轨迹情况；

tr_ij1：第i辆车第j天的第1个时间段行驶里程情况。

4.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤b中

第i辆车第j天的第n次停车点位置；

H(ij):第i辆车第j天的信息熵；

第i辆车第j天停车位置为λ_ijn,的次数；

N_ij：第i辆车第j天停车位置总数量。

5.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤c中dr_ij＝{tr_ij1,tr_ij2,tr_ij3…tr_ij1440/T,H(ij)}；

tr_ij1：第i辆车第j天的第1个时间段行驶里程情况；

H(ij):第i辆车第j天的信息熵。

6.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤S2中聚类是指以DTW为相似度度量，采用时间序列聚类的方式对每个车辆每天的行驶轨迹进行聚类，形成(C₁,C₂…C_m),m类，即为该车辆的主要轨迹情况。

7.根据权利要求1所述的基于在途数据的车辆用途识别方法，其特征在于，所述步骤S3中计算每个车辆在不同轨迹类中的数量占自身所有轨迹的比重的公式为：

第i辆车在C_m类中出现的轨迹占第i辆车所有轨迹的比重；

N(c_m/i)：第i辆车在C_m类中出现的轨迹数量；

t_i:第i辆车中所有轨迹数量。