[发明专利]一种基于时空聚类的停驻识别方法

权利要求书

1.一种基于时空聚类的停驻识别方法，其特征在于，包括如下步骤：

S1、基于智能手机采集个体活动的GPS轨迹数据，从所述GPS轨迹数据中提取时空信息，获得时间序列数据集合；

所述GPS轨迹数据以相同的采样频率采集；所述时空信息包括时间、经度和纬度信息；所述时间序列数据集合为将所述经度和纬度转换为平面坐标值后的数据集合D＝{P_i}，i＝1，2，…，M，其中M为轨迹点的个数，D为M个轨迹点的数据集合，子集P_i为第i个轨迹点的数据集合，P_i＝(t_i，x_i，y_i)，其中，t_i，x_i，y_i分别为第i个轨迹点的时间，横坐标值，纵坐标值；

S2、对所述时间序列数据集合采用聚类算法处理识别个体出行GPS轨迹中的停驻，并输出停驻识别结果，所述聚类算法处理进一步包括以下步骤：

S21、设置聚类算法参数，包括搜索长度k、时间邻近的阈值I、空间邻近的阈值Eps、核心点判别最小数目MinPts、停驻最小时长DU；

S22、初始化标号，所述数据集合D中所有轨迹点初始标记为Label＝∞，停驻初始编号为ClustID＝1；

S23、搜索核心点，对于所述数据集合D中每个轨迹点P_i，确定所述轨迹点P_i时间上最邻近的k个点，并分别计算所述k个点中的每个点与所述轨迹点P_i的空间距离，若所述空间距离小于所述空间邻近的阈值Eps的点数目N_eps大于所述核心点判别最小数目MinPts，则将点P_i标记为核心点，并更改标号Label＝-1，否则保持标号Label＝∞；

S24、停驻合并与标号，将时间上连续的所述核心点归并为核心点集{C_j}；搜索核心点集密度DS最大的核心点集C_m，计算所述核心点集C_m与相邻点集{C_m-1,C_m+1}的时空距离；若相邻停驻时间间隔L_T与所述相邻停驻空间距离L_D均在阈值范围内，则合并两个点集，否则将点集C_m标记为停驻，更新标号Label＝ClustID与簇编号ClustID＝ClustID+1，并搜索下一个密度最大的核心点集，直到所有核心点集均完成标号；

S25、出行检验，对于所述数据集合D中Label＝∞的点，若时间上连续则归并为出行集合{TR_n}；若相邻出行的时间间隔小于所述停驻最小时长DU，则合并出行，更新伪停驻内点的标号为Label＝0；

S26、输出识别结果，将时间连续且相邻、具有同一标号的点归并为同一类，停驻标号为非0且非∞，出行标号等于0或∞；计算停驻、出行开始与终止时刻，并计算停驻中心位置坐标，输出识别结果；

S3、对所述停驻识别结果进行评价；

S4、停驻识别用户界面可视化显示。

2.根据权利要求1所述的一种基于时空聚类的停驻识别方法，其特征在于，步骤S21中，所述搜索长度k，指对于任一轨迹点P_i，其时间上相距最近的k个点{P_Si,...,P_Ti}，其中，P_Si为起点，P_Ti为终点，所述起点终点的标号(S,T)表示为：

所述时间邻近，指对于某停驻A_j，其时间上相邻的停驻{A_j-1,A_j+1}，若满足后一停驻开始时刻与前一停驻结束时刻之间的相邻停驻时间间隔L_T小于所述时间邻近的阈值I；

所述空间邻近，指对于某停驻A_j，其时间上相邻的停驻{A_j-1,A_j+1}，若满足后一停驻中心位置与前一停驻中心位置之间的相邻停驻空间距离L_D小于所述空间邻近的阈值Eps。