[发明专利]基于层次聚类的路口异常车辆轨迹识别分析方法

说明书

基于层次聚类的路口异常车辆轨迹识别分析方法，利用LCSS算法、DTW算法和层次聚类算法进行车辆轨迹聚类分析，基于路口渠化信息实现车辆轨迹模式划分，识别出路口异常车辆轨迹，进而分别对各模式下车辆轨迹再次聚类分析，精细化识别各流向异常车辆轨迹，从而建立异常轨迹数据库，为路口渠化设计和信控方案合理性评估提供支撑依据。本发明提高车辆轨迹层次聚类的效果，能够有效识别出路口车辆轨迹类型和异常车辆轨迹，进一步对各模式类型下车辆轨迹分析，对各流向异常车辆轨迹识别提取，从而为路口交通冲突安全管理和拥堵管理提供有效支撑；通过对统计时间段内异常轨迹分析，有效识别出路口渠化组织的问题，对交通信号配时方案的优化调整提供支撑依据。

技术领域

本发明涉及交通管控领域中的车辆轨迹识别领域和路口合理性分析领域，具体涉及一种基于层次聚类的路口异常车辆轨迹识别分析方法。

背景技术

随着机动车数据的集聚增长，全国各城市都面临着日益严峻的交通拥堵问题，因此，对车辆轨迹的研究对于交通管理与疏导是十分必要的。迄今为止，已经有较多的学者对车辆轨迹相似性及异常轨迹进行了一定研究，如裴剑(裴剑，彭敦陆.一种基于LCSS的相似车辆轨迹查询方法[J].2016)在采集大量车辆行驶GPS数据基础上，基于数据清理形成轨迹，通过Ramer-Douglas-Peucker算法对原始轨迹轮廓抽取，基于LCSS算法求相似子轨迹。

另一方面，现阶段城市道路上布设有大量的电警、卡口、球机等监控摄像头，产生了巨大的结构化数据，而将这些数据运用实现车辆轨迹分析更成了目前研究的主流之一。如发明CN201710492719.5提出一种车辆非有效行驶轨迹识别方法，通过对车辆轨迹的识别的层次聚类，实现最优路径推荐，针对停车问题进行轨迹路径规划；发明CN201510159009.1提出一种基于广域分布交通系统的异常轨迹检测方法，通过无监督聚类确定异常交通轨迹点和异常轨迹。

现阶段的车辆轨迹分析研究主要集中在两个方面，一是基于GPS定位数据/手机移动通信数据等位置数据实现的单一车辆轨迹分析；二是对整个路网，长距离车辆行驶异常轨迹的判定，目前暂缺对路口车辆轨迹的有效分类和判别，以及车辆轨迹的路口交通管理运用。

发明内容

本发明提出一种基于层次聚类的路口异常车辆轨迹识别分析方法，对路口球机监控设备历史视频数据进行提取，利用LCSS算法、DTW算法和层次聚类算法实现车辆轨迹聚类分析，基于路口渠化信息划分车辆轨迹模式，识别出路口异常车辆轨迹，进而分别对各模式下车辆轨迹再次聚类分析，精细化识别各流向异常车辆轨迹，分析异常原因，从而建立异常轨迹数据库，为路口渠化设计和信控方案合理性评估提供支撑依据。

基于层次聚类的路口异常车辆轨迹识别分析方法，包括如下步骤：

步骤1，采集路口渠化信息，提取路口监控视频数据完成数据清洗；

步骤2，针对不同车辆ID实现单条轨迹分析，提取数据特征点，确定车辆轨迹；

步骤3，基于LCSS算法和层次聚类算法实现路口车辆轨迹聚类，划分出车辆轨迹模式类型，识别出正常车辆轨迹和异常车辆轨迹；

步骤4，基于步骤3模式分析的车辆轨迹类型提取出单一模式正常车辆轨迹，进一步对单一模式车辆轨迹分析，识别出单一模式下异常车辆轨迹和正常车辆轨迹；

步骤5，基于步骤3和4中的异常车辆轨迹，对路口状况进行分析。

进一步地，所述步骤1中，具体包括如下分步骤：

步骤1-1，对路口类型及其渠化信息进行采集；

步骤1-2，基于单位时间段内路口监控视频根据不同车辆ID提取出原始轨迹点，记为P(f,x,y)，其中f表示帧数，x和y表示轨迹点坐标数值；