[发明专利]一种基于交通特性的城市路段分类方法

权利要求书

1.一种基于交通特性的城市路段分类方法，其特征在于，包括以下步骤：

步骤1：获取目标城市区域内D个工作日的浮动车GPS数据，得到D组浮动车GPS数据；每组浮动车GPS数据中包含多个数据点，每个数据点包括5个维度的信息，即浮动车所处的经度坐标、纬度坐标、浮动车车牌号、载客状态和数据采集时间；

步骤2：针对D组浮动车GPS数据，剔除无效数据，得到D个出行时间序列集；每个出行时间序列集包括多个出行时间序列；

步骤3：先利用地图匹配算法将所有出行时间序列中的经纬度坐标匹配到路网中，然后将所有出行时间序列中的经纬度坐标替换为与之匹配的路网坐标点，得到更新后的出行时间序列和更新后的出行时间序列集；

步骤4：选取研究路段和研究时段，将研究时段划分为M个时间窗；获取所有通过研究路段的出行时间序列，计算每个出行时间序列中每2个连续数据点间的浮动车平均速度；以计算浮动车平均速度的前1个数据点所处的时间窗为准依次将所有的浮动车平均速度归类于对应的时间窗；

步骤5：对研究路段在每一天每个时间窗内的浮动车平均速度分别进行累加求平均，得到研究路段在每一天不同时间窗内的速度；将研究路段在同一天M个时间窗内的速度组成维度为M的速度时间序列，每条研究路段得到D个速度时间序列；

步骤6：分别计算每条研究路段的速度特征时间序列；

对于任一条研究路段，首先计算其D个速度时间序列两两之间的皮尔逊相关系数；对每个速度时间序列，将其与其他速度时间序列的皮尔逊相关系数进行累加再求均值，所得结果作为该速度时间序列的有效判别度，将有效判别度大于阈值的速度时间序列筛选为高相关速度时间序列；计算该研究路段所有高相关速度时间序列中同一时间窗内的速度均值，得到该研究路段的速度特征时间序列；

步骤7：依据研究路段的速度特征时间序列对研究路段初步分类，将研究路段分为通畅路段、持续拥堵路段和复杂路段；

步骤8：设置聚类簇数K，对任意两个速度特征时间序列，结合动态时间归整距离和序列的统计学特征计算它们的相似度，再采用层次聚类方法对所有复杂路段再次进行分类，完成对城市路段的分类；采用层次聚类方法对所有复杂路段再次进行分类的过程中，定义两个复杂路段的速度特征时间序列之间的DTW-D-S-K距离作为它们的相似性度量；计算过程如下：

步骤C1：设X，Y分别为两个复杂路段的速度特征时间序列，X＝[x₁，x₂，…，x_i，…，x_M]，Y＝[y₁，y₂，…，y_j，…，y_M]；

步骤C2：计算X，Y之间的动态时间归整距离d_DTW(X，Y)，计算公式如下：

d_DTW(X，Y)＝d′_DTW(x_M，y_M)

d′_DTW(x_i，y_j)＝d(x_i，y_j)+min{d′_DTW(x_i-1，y_j-1)，d′_DTW(x_i-1，y_j)，d′_DTW(x_i，y_j-1)}

d′_DTW(x₁，y₁)＝d(x₁，y₁)

其中，d(x_i，y_j)为(x_i，i)，(y_j，j)之间的欧式距离，i，j＝1，2，…，M，min{·}取{·}中的最小值，且d_DTW(x₀，·)＝∞，d_DTW(·，y₀)＝∞；

步骤C3：计算X，Y之间的方差距离D(X，Y)，计算公式如下：

其中，d(x_n，y_n)为(x_n，n)，(y_n，n)之间的欧式距离，为欧式距离均值，

步骤C4：计算X，Y之间的偏态距离S(X，Y)，计算公式如下：

S(X，Y)＝|S(X)-S(Y)|

其中，S(X)和S(Y)分别X和Y的偏态系数；

步骤C5：计算X，Y之间的峰度距离K(X，Y)，计算公式如下：

K(X，Y)＝|K(X)-K(Y)|

其中，K(X)和K(Y)分别为X和Y的峰度系数；

步骤C6：为动态时间归整距离d_DTW(X，Y)、方差距离D(X，Y)、偏态距离S(X，Y)和峰度距离K(X，Y)赋予不同权重，得到两个速度特征时间序列X，Y之间的DTW-D-S-K距离d_DDSK(X，Y)，计算公式如下：

d_DDSK＝w₁d_DTW(X，Y)+w₂D(X，Y)+w₃S(X，Y)+w₄K(X，Y)

其中，w₁，w₂，w₃，w₄分别为d_DTW(X，Y)，D(X，Y)，S(X，Y)，K(X，Y)的权重。