[发明专利]基于移动终端GPS定位数据计算个人通勤时间的方法

摘要

本发明提出一种基于移动终端GPS定位数据计算个人通勤时间的方法，属于计算机应用技术领域。该方法首先计算用户在一段时间内的通勤轨迹，并初始化通勤轨迹聚类集合，当通勤轨迹聚类个数大于1时，找到通勤轨迹聚类集合中距离最小的两个通勤轨迹聚类；若该两个聚类间的距离小于等于最大距离阈值，则分别在空间和时间上合并该两个通勤轨迹聚类对应的聚合通勤轨迹，最终合并该两个通勤轨迹聚类；当通勤轨迹聚类数无法再减少时，聚类结束，计算得到每条通勤轨迹对应的通勤时间。本发明将用户相似的通勤轨迹进行聚合，可准确计算用户个人通勤的时间，对于改善城市交通状况有很高的应用价值。

主权项

1.一种基于移动终端GPS定位数据计算个人通勤时间的方法，其特征在于，该方法包括以下步骤：(1)计算通勤轨迹；采集一时间段内的任一用户的定位数据，并使用固定时间窗口的GPS定位数据对用户某一时刻的定位坐标进行校准，通过聚类算法分别得到用户家庭位置ch和公司位置cw，并对采集到的用户坐标按时间进行排序，筛选出用户在家和公司间通勤中产生的记录点，得到用户每日的通勤轨迹；(2)初始化通勤轨迹聚类集合；定义任意通勤轨迹聚类如下：，其中trajectories是属于这个通勤轨迹聚类的所有通勤轨迹集合:trajectories＝{T}，T表示该通勤轨迹聚类包含的用户的所有通勤轨迹，trajectorym是该通勤轨迹聚类中所有通勤轨迹合并之后的产生的聚合通勤轨迹：trajectorym＝，其中P是通勤轨迹定位数组，表示用户所在的位置，D是相邻两点间的耗时数组，表示用户在相邻两点移动所花费的时间；对用户的每一天的通勤轨迹Ti，按时间顺序排列轨迹上的记录点，每个记录点包括：用户标识uid、经度坐标lng、纬度坐标lat和时间戳time；取出轨迹Ti中记录点包含的经纬度坐标放入对应的通勤轨迹定位数组Pi，并计算出该轨迹中相邻两点间的耗时数组Di，用Pi和Di作为Ti的初始的聚合通勤轨迹，得到初始化通勤轨迹聚类Ci:Ci＝<,{Ti}>，所有的初始化通勤轨迹聚类Ci组成初始化通勤轨迹聚类集合clusters；通勤轨迹Ti相邻两点耗时数组Di计算方法如下：Di[j]＝Ti[j+1].time–Ti[j].time其中Di[j]表示相邻两点耗时数组Di中第j个元素的值，Ti[j]和Ti[j+1]分别表示通勤轨迹Ti上第j和第j+1个记录点；(3)对clusters中所包含的通勤轨迹聚类的个数进行判定：如果clusters中所包含的通勤轨迹聚类的个数小于等于1，则聚类过程结束，转入步骤(8)；否则，进入步骤(4)；(4)计算clusters中任意两个通勤轨迹聚类之间的距离，选取其中距离最小的两个通勤轨迹聚类记为Ca和Cb，记其距离为Dab并判定：如果Dab大于最大距离阈值dmax，则聚类结束，转入步骤(8)，否则进入步骤(5)；其中，两个通勤轨迹聚类间的距离为两个通勤轨迹聚类所对应的聚合通勤轨迹的合并距离；令L(X)表示通勤轨迹X的长度，M表示通勤轨迹A，B合并之后的轨迹，定义两个通勤轨迹A,和B之间的合并距离DM为：DM(A,B)＝L(M)/max(L(A),L(B))；(5)在空间上合并距离最小的两个通勤轨迹聚类对应的聚合通勤轨迹；对于从步骤(4)得到的距离最小的两个通勤轨迹聚类Ca和Cb，取出其分别对应的聚合通勤轨迹Ta和Tb，将聚合通勤轨迹Ta和Tb定位数据的经度和纬度提取出来得到定位数组Pa和Pb；首先将用户家庭位置ch,定位数组Pa中的定位数据，以及公司位置cw插入聚合后的通勤轨迹的定位数组Pm中，然后将Pb的点逐步插入到Pm中去，每次插入都选择使轨迹长度的增量变化最小的位置，并且每次插入的位置，只会发生在上一次插入的点之后；具体步骤如下：(5.1)用Pa，用户家庭位置ch以及用户公司位置cw初始化合并之后的通勤轨迹定位数组Pm；初始化Pm为空集合，将ch插入Pm中，将轨迹Pa中的的所有记录点按时间先后顺序插入到Pm中，然后将用户公司位置cw插入Pm中；(5.2)用pos表示上次将Pb中的记录点插入Pm后在Pm中的位置，初始化pos为0；(5.3)对Pb中的每一个记录点rb，计算其在Pm中pos之后的位置i插入所引起的Pm的总长度增量delta：distance(Pm[i],rb)+distance(rb,Pm[i+1])–distance(Pm[i],Pm[i+1])，找到使delta最小的位置imin，将rb在imin的位置插入Pm，并用imin更新pos；其中distance函数用于计算两个点之间的地理距离；(5.4)重复步骤(5.3)直到Pb中的所有点均插入到Pm中；(5.5)从Pm中移除用户家庭位置ch以及公司位置cw，返回Pm作为合并之后的通勤轨迹的定位数组，进入步骤(6)；(6)在时间上合并距离最小的两个通勤轨迹聚类对应的聚合通勤轨迹；利用步骤(4)得到的距离最小的两个通勤轨迹聚类Ca和Cb，取出其对应的聚合通勤轨迹Ta和Tb，并分别计算Ta和Tb对应的相邻两点耗时数组Da和Db；首先基于Pa和Pb中的记录点在Pm中的位置，依照通勤轨迹点间距离，将其对应的耗时数组Da和Db按距离进行加权，从而得到按距离加权分配的时间数组Da'以及Db'；Da'和Db'分别表示依照用户在Ta和Tb中的速率，在Pm中相邻两点移动的时间；在求得耗时数组Da'和Db'之后，将Da'和Db'合并，得到合并之后通勤轨迹对应的相邻两点间的耗时数组Dm；具体步骤如下：(6.1)初始化Da'为大小是定位数组Pm大小‑1，值为0的数组；(6.2)对Da中的每个时间t，找到其对应的起点rstart和终点rend，并在Pm中找到rstart和rend对应的位置indexstart和indexend；计算Pm中indexstart和indexend之间的所有相邻定位点之间的距离总和，记为d，将在Da中rstart和rend间的时间依距离加权分到Da'中，形式化为：D'[i]＝distance(Pm[i],Pm[i+1])/d×t，其中i≥indexstart且i返回Dm作为合并之后通勤轨迹对应的相邻两点间的耗时数组；(7)合并距离最小的两个通勤轨迹聚类；用作为初始化通勤轨迹聚类Cm，并将Ca和Cb里的通勤轨迹加入到Cm中，将Cm插入到clusters中，并从clusters删除Ca以及Cb，然后重新返回步骤(3)；(8)计算每条通勤轨迹对应的通勤时间；对用户每一天的通勤轨迹，找到其所在的通勤轨迹聚类，并将该通勤轨迹聚类包含的聚合通勤轨迹作为用户当日通勤轨迹所对应的参考轨迹，具体步骤如下：(8.1)计算每日通勤的平均速度；从步骤(1)得到的所有通勤轨迹中任意选取某一日的通勤轨迹，令pstart表示用户当日通勤轨迹上的第一点，该点标志着用户离开了家，已经开始通勤；令pend表示用户当日通勤轨迹上的最后一点，该点表示用户即将到达公司；令tstart和tend分别表示pstart和pend对应的时刻；在该通勤轨迹的参考轨迹中找到用户pstart和pend两点，用pstart和pend将参考轨迹分成三段，在pstart之前的记为trajectorystart，在pstart和pend之间的记为trajectorymid，在pend之后的记为trajectoryend；计算trajectorymid的总长度lmid，则用户当日的通勤的平均速度为vavg＝lmid/(tend‑tstart)；(8.2)计算每日通勤开始时间和结束时间；对于步骤(8.1)选取的通勤轨迹，令dhome,lhome分别表示用户从家出发到通勤轨迹第一个点的耗时和长度，dcomp,lcomp分别表示用户从通勤轨迹最后一点到公司的耗时和长度，则dhome＝lhome/vavg，dcomp＝lcomp/vavg；由参考轨迹的耗时数组得到trajectorystart和trajectoryend对应的时间dstart和dend，计算用户当日通勤开始时刻tleave，通勤结束时刻tarrive：tleave＝tstart–dstart–dhometarrive＝tend+dend+dcomp(8.3)计算用户每日通勤时间dcommute；由步骤(8.2)得到的通勤开始时间tleave，以及通勤结束时间tarrive，计算用户当日通勤时间为：dcommute＝tarrive–tleave。