[发明专利]一种应用GPS出行数据进行出行目的地预测的方法

摘要

本发明公开了一种应用GPS出行数据进行出行目的地预测的方法。具体预测方法分为三个步骤，即步骤1、确定出行目的地和划分出行目的地预测，步骤2、确定不同出行目的地预测时段的频繁到访出行目的地及每一个频繁到访出行目的地对应的支持点，步骤3、分别建立和标定工作日时段和非工作日时段的出行目的地预测模型，预测出行目的地。应用本发明所述的预测方法，利用GPS出行数据进行工作日时段和非工作日时段的出行目的地预测，无需传统的入户式大规模居民出行调查、无需获得道路网图，可以对所有出行方式的出行目的地进行预测，识别准确率高，适用性强。预测结果可应用于车载导航设备或手机导航软件进行实时的出行目的地推荐。

主权项

1.一种应用GPS出行数据进行出行目的地预测的方法，其特征在于，主要包括如下步骤：步骤1、确定出行目的地和划分出行目的地预测时段：在初始情况下，获取至少连续7天的用GPS采集的出行数据，也称GPS出行数据，用于出行目的地预测；步骤1.1、筛选数据、划分出行、确定每一次出行的出行目的地；步骤1.2、划分出行目的地预测时段：将出行目的地预测按照出行发生时段划分为工作日的出行目的地预测和非工作日的出行目的地预测；步骤2、确定不同出行目的地预测时段的频繁到访出行目的地及每一个频繁到访出行目的地对应的支持点；步骤2.1、确定频繁到访出行目的地：将经步骤1.1处理后的GPS出行数据按照出行发生时段划分为工作日的GPS出行数据和非工作日的GPS出行数据，分别确定频繁到访出行目的地；步骤2.2、确定每一个频繁到访目的地对应的支持点及其方向：不同的频繁到访目的地间的出行轨迹包括若干段直线段和曲线段，分别确定直线段和曲线段的支持点及其方向；步骤2.3、建立建模数据表：按实际出行顺序分别将工作日时段和非工作日时段所经过的支持点和对应的频繁到访目的地存入相应出行目的地预测时段的建模数据表中，存为“.sav”文件；步骤3、分别建立和标定工作日时段和非工作日时段的出行目的地预测模型，预测出行目的地；步骤3.1、分别建立工作日时段和非工作日时段的出行目的地预测的隐马尔科夫模型；步骤3.2、分别标定工作日时段和非工作日时段的出行目的地预测的隐马尔科夫模型；步骤3.3、在出行发生前进行出行目的地预测：利用频繁到访目的地转移概率矩阵A进行出行发生前的出行目的地预测；步骤3.4、判定和记录出行过程中的支持点；步骤3.5、在出行过程中进行出行目的地预测：利用步骤3.4中判定和记录的出行过程中的支持点以及步骤3.1中建立的出行目的地预测的隐马尔科夫模型对出行目的地进行预测；重复步骤3.2、步骤3.3、步骤3.4、步骤3.5，进行下一次的出行目的地预测。