[发明专利]一种基于模糊去噪与模糊拼接的公交轨迹提取方法

摘要

本发明涉及一种基于模糊去噪与模糊拼接的公交轨迹提取方法，获取公交线路、到站车辆车牌号、到站站点和到站时间4种信息，并在数据库中将上述4种信息进行数值化，生成信息矩阵G，并通过信息矩阵G生成以车牌号索引值m和线路索引值l为分割依据，降维成仅保留到站时间T_j和到站站点索引I_j的二维信息矩阵G^(m,l)；根据公交站点间行驶时间的历史数据统计经验，获得模糊运算矩阵C_M，并通过模糊运算矩阵C_M从信息矩阵G^(m,l)中提取轨迹片段集对轨迹片段集通过模糊拼接算法将隶属于同一个班次的轨迹片段按到站顺序进行拼接成同一条轨迹，并利用模糊去噪算法去除拼接后的轨迹噪声，输出无噪声班次轨迹信息矩阵S^(m,l)，通过去噪来提高公交轨迹提取的正确性。

主权项

1.一种基于模糊去噪与模糊拼接的公交轨迹提取方法，其特征在于：其步骤为,第一步：获取公交线路、到站车辆车牌号、到站站点和到站时间4种信息，并在数据库中将上述4种信息进行数值化，生成信息矩阵G，并通过信息矩阵G生成以车牌号索引值m和线路索引值l为分割依据，降维成仅保留到站时间Tj和到站站点索引Ij的二维信息矩阵G(m,l)；第二步：根据公交站点间行驶时间的历史数据统计经验，获得模糊运算矩阵C_M，并通过模糊运算矩阵C_M从信息矩阵G^(m,l)中提取轨迹片段集在第二步中，所述模糊运算矩阵CM的参数值如下：轨迹片段集的提取步骤如下：(B1)根据模糊运算矩阵CM，计算信息矩阵G(m,l)的同班次模糊隶属度矩阵U的第1对角线的逻辑向量V(1)，记V(1)第i个元素为Vi(1)，则有：若Uii+1≥umin，Vi(1)＝1；若Uii+1(1)将G^(m,l)分割成轨迹片段集和噪声数据集R^(m,l)；步骤(B2)的具体子步骤为：(B2.1)初始化I_s＝1，I_p＝1，I_e＝1，j＝1，其中I_s为遍历信息矩阵G^(m,l)的起始索引变量，I_p为遍历信息矩阵G^(m,l)的当前索引变量，I_e为遍历信息矩阵G^(m,l)的终止索引变量，j为轨迹片段索引；(B2.2)若V⁽¹⁾值全为1，则即信息矩阵G^(m,l)所有数据为同班次轨迹，跳转至步骤(B2.6)；若V⁽¹⁾值全为0，则R^(m,l)＝G^(m,l)，即信息矩阵G^(m,l)所有数据均视为噪声数据，跳转至步骤(B2.6)；(B2.3)从索引值I_s开始遍历V⁽¹⁾，取出第1个值为1的索引并赋给I_p，更新I_s＝I_p；通过I_p自增遍历V⁽¹⁾直至取到值为0的元素，更新I_e＝I_p，若I_p已遍历至V⁽¹⁾最后一个数据依然未取到值为0数，则更新I_e＝I_p+1；取出信息矩阵G^(m,l)中第I_s行至第I_e行的数据，作为第j个轨迹片段并记为将加入轨迹片段集轨迹片段索引j自增1；更新I_s＝I_p+1；(B2.4)若Is小于等于V(1)向量长度，且自Is至尾部的V(1)数据不全为0，跳至步骤(B2.3)，否则继续执行步骤(B2.5)；若Is大于V(1)向量长度，执行步骤(B2.5)；(B2.5)取R^(m,l)为G^(m,l)中不包含的数据；(B2.6)输出和R^(m,l)；轨迹片段集提取过程中涉及相关定义如下：定义u(t)为关于单位有向行驶时间t的五边形同班次模糊隶属度函数，u(t)的形状由数轴上从小到大排序的五个点c1,c2,…,c5确定，具体定义如下：令为信息矩阵G^(m,l)中的第i个到站信息数据，令为信息矩阵G^(m,l)中的第k个到站信息数据，则单位有向行驶时间t定义如下：定义U_ik为到站信息与的同班次模糊隶属度，则U_ik可由模糊运算矩阵C_M计算取得，具体步骤如下：(A1)计算站距离n＝|Ii‑Ik|，若n大于CM行数，则u(t)的5个参数c1,c2,…,c5由CM最后一行的5个数值给定；否则u(t)的5个参数由CM的第n行给定；(A2)由公式(1)和(2)计算和的模糊隶属度u(t)，并赋值U_ik＝u(t)；定义U为信息矩阵G^(m,l)的同班次模糊隶属度矩阵，记M为信息矩阵G^(m,l)的总行数，则U∈R^MxM，且主对角线为1的对称矩阵，U可由信息矩阵G^(m,l)中两两不同的到站信息和计算所得的同班次模糊隶属度U_ik生成，即U_ik为U中第i行第k列的值；定义u_min为判断两个到站信息和是否为同一班次的模糊隶属度阀值，则有：当U_ik≥u_min，与为同一班次，在轨迹提取时，应将和放在同一个轨迹片段集中；当U_ik<u_min，则与隶属不同的轨迹片段集或噪声集；第三步：对轨迹片段集通过模糊拼接算法将隶属于同一个班次的轨迹片段按到站顺序进行拼接成同一条轨迹，并利用模糊去噪算法去除拼接后的轨迹噪声，输出无噪声班次轨迹信息矩阵S^(m,l)；其中，模糊去噪算法的实现方式为：定义S^(m,l)为轨迹片段集同班次拼接及去噪后的班次轨迹信息矩阵，并进一步定义S^(j,m,l)为S^(m,l)中第j条轨迹，则有对S^(m,l)中的任意两条不同的轨迹S^(j,m,l)和S^(k,m,l)，其S^(j,m,l)轨迹内的数据与另一条轨迹S^(k,m,l)不在同一班次，即S^(j,m,l)可视为第j班次的最大轨迹；定义G为泛指一轨迹片段，U^G为通过模糊运算矩阵C_M对G计算的同班次模糊隶属度矩阵，为轨迹片段G的噪声指标向量；U^G的计算方式与信息矩阵G^(m,l)的同班次模糊隶属度矩阵U相同；假设G共有M个数据，则其中第i个元素是G中第i个数据的噪声指标，可通过计数U^G第i行小于u_min的元素个数取得，若表示G中第i个数据与G中所有其他数据的同班次模糊隶属度u(t)均大于等于u_min；若则表示G中有n个数据与第i个数据构成的同班次模糊隶属度u(t)<u_min；因此越大，G中第i个数据越可能成为噪声，应在去噪过程中被优先删除；记为轨迹片段G去噪后的信息矩阵，为信息矩阵的同班次模糊隶属度矩阵，为轨迹片段G去噪生成信息矩阵时剥离出的噪声数据集，则轨迹片段G的去噪算法可通过以下步骤实现：(C1)初始化通过模糊运算矩阵C_M计算轨迹片段G的同班次模糊隶属度矩阵U^G；(C2)通过U^G和同一班次的模糊隶属度阀值u_min计算轨迹片段G的噪声指标向量(C3)取最大元素记为若跳至步骤(C6)；否则继续执行步骤(C4)；(C4)取出中所有的噪声索引候选集合{k}满足若集合{k}元素个数大于1，则取最大噪声索引k^*∈{k}满足U^G第k^*行的行求和值是所有{k}中最小；若集合{k}只有1个元素，则k^*＝k；(C5)从G中取出第k^*个数据加入删除G中第k^*个数据，删除U^G中第k^*行和第k^*列数据，跳至步骤(C2)；(C6)若G的元素个数大于1，取否则取将G的元素加入(C7)输出和模糊拼接算法的实现方式为：定义模糊拼接规则：若轨迹片段集中的两个轨迹片段和使得可拼接到构成轨迹片段G，则需满足以下条件：且的到站时间早于在公式(3)中，为使用轨迹去噪算法对拼接到构成轨迹片段G去噪后所得的噪声数据集，为噪声数据集的元素数目，n_τ为拼接噪声容许阀值，即当拼接至尾部构成轨迹片段G时，G的噪声数目需小于三个数中的最小数，且中的数据事件发生在之前；定义U^F为轨迹片段集的模糊拼接隶属度矩阵，且记为U^F中第i行第j列元素，则为度量中第j个轨迹片段拼接到第i个轨迹片段尾部的可能性；若则表示不能拼接到尾部；值越大，拼接到的优先权越高；令拼接至构成轨迹片段G，若G不满足拼接规则，即不满足公式(3)，则若满足拼接规则，则的值计算如下：其中，为G经轨迹去噪算法处理后的无噪声轨迹片段所对应的同班次模糊隶属度矩阵，为中所有元素的算术平均值；将中的轨迹片段按拼接可能性的最大值优先拼接，并通过迭代的方式将同班次的轨迹片段拼接在一起，最终输出无噪声班次轨迹信息矩阵S^(m,l)，其具体实现步骤如下：(D1)由轨迹片段集计算模糊拼接隶属度矩阵U^F；(D2)若UF＝0，跳至步骤(D5)；否则继续执行步骤(D3)；(D3)取U^F的最大元素记为取满足将中第j个轨迹片段拼接至第i个轨迹片段尾部，并记拼接后的轨迹片段为G；对G轨迹去噪处理取得无噪声轨迹片段及对应的同班次模糊隶属度矩阵(D4)对更新并在中删除重新计算U^F第i行元素和第i列元素；删除U^F第j行元素；删除U^F第j列元素；跳至步骤(D2)；(D5)设置无噪声班次轨迹信息矩阵并输出结果。