[发明专利]一种基于时空聚类的停驻识别方法

说明书

本发明公开了一种基于时空聚类的停驻识别方法，包括如下步骤：基于智能手机采集个体活动的GPS轨迹数据，提取时空信息；搜索任一轨迹点在时间轴上最近的k个点，通过距离参数Eps与最小数目阈值MinPts确定轨迹中的核心点；时间上连续的核心点构成初始簇，从密度最大的簇开始检查，对时空邻近的相邻簇进行合并，从而得到停驻；时间上连续的非核心点构成初始出行，从时间最早的出行开始检查，若与后一出行的时间间隔小于停驻最小时长阈值，则将两者合并，并更正伪停驻为出行。本发明，能快速准确地识别个体出行GPS轨迹中的停驻，为进一步识别出行方式与出行目的奠定基础，为长时期、大规模、被动式的城市居民出行调查提供技术支撑。

技术领域

本发明属于交通数据挖掘领域，尤其涉及时间序列数据的聚类分析与个体出行轨迹中停驻识别。

背景技术

随着智能手机的快速普及与发展，精确的定位功能、丰富的感应器模块，为个体出行轨迹实时采集提供了硬件条件。面对大量的出行轨迹数据，分析个体行为特征、识别活动模式成为数据服务城市交通的主要难题。基于个体GPS轨迹数据识别停驻，是判断OD、推测出行方式与出行目的的前提工作。目前的相关研究主要根据静态下的速度特征、运动的方向特征，并结合路网加以规则判断。而根据轨迹点集聚特征从密度聚类角度识别停驻，现有技术主要集中于DBSCAN方法。

DBSCAN设定了Eps邻域与最少点数MinPts两个参数，以核心点为基础，以密度可达为归类方式，向外不断扩展相连形成点簇。然而没有考虑点的时间序列性，对于空间距离相近、时间间隔远的点簇容易错误归并为一类，且对于重合路径、短时出行等情况并不能准确识别停驻。具体而言，其算法在处理智能手机GPS移动数据时，具体有以下缺点：处理当天大量轨迹点时，距离矩阵内存占用大，导致程序无法响应或运算速度慢；参数Eps与MinPts敏感性高，泛化能力差；出行次数多、路径重合程度高的不易识别，特别是对于轨迹重叠的部分路段或交叉口因大量轨迹点集聚，从而错误判断为停驻。

专利申请号201611195129.3基于时空聚类分析算法的交通出行起讫点识别方法，核心思想是扩展DBSCAN中的空间距离为时空距离，设置控制参数△T、Eps、MinPts，以未标记的点开始向周围搜索核心点，从而得到初始簇；通过600秒或500m的阈值合并簇，得到出行起讫点。但是对于出行复杂或信号质量不佳的情况，合并阈值不一定适应；合并次序存在随机性，对识别结果有影响；没有剔除错误识别的短时停留伪停驻，出行次数结果将偏高。

因此探索考虑时空维度的聚类方法，适应复杂出行或数据，高效准确地识别出行轨迹中的停驻，对城市交通数据挖掘、出行模式识别等有重要意义。

发明内容

为解决上述技术问题，本发明的目的在于提供提供一种考虑时间序列的密度聚类方法，用于处理智能手机采集的个体出行GPS数据并为用户提供停驻识别操作界面与结果可视化。

和可视化界面显示。

本发明是通过以下技术方案实现的：

1、一种基于时空聚类的停驻识别方法，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；

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；

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。