[发明专利]一种多模态数据融合的机动车移动模式识别方法及系统

说明书

本发明涉及一种多模态数据融合的机动车移动模式识别方法及系统，该方法包括：基于机动车的时空轨迹数据和道路特征数据对机动车的移动轨迹进行重构和聚类；基于交通流数据和交通监控视频数据提取全局交通移动状态；根据机动车重构和聚类后的移动轨迹以及全局交通移动状态预测机动车的移动属性数据。对机动车的时空轨迹数据和交通流数据实现多模态数据的融合，根据融合后数据对机动车移动模式识别，时空轨迹数据在个体的层面上描述机动车的移动模式，交通流数据在道路特征层面上和交通流全局层面描述路段通行情况，获得基于不同侧重点的更为精确的机动车移动模式识别结果，从而能获得更为全面、准确的机动车移动模式识别结果。

技术领域

本发明涉及道路交通领域，具体涉及一种多模态数据融合的机动车移动模式识别方法及系统。

背景技术

随着汽车保有量的大幅增长，交通拥堵不仅影响着居民的生活，更成为了阻碍了国民经济的进一步发展的“城市病”。道路交通拥堵产生的根本原因是交通需求与交通供给在时间和空间上的不平衡引起的。

当前，传统的缓解交通拥堵的方法大多为限行、加宽车道、优化城市路网和优化信号灯配时方案等，不能很快的适应交通需求的变化，因此仅能在短期内对改善交通状况有一定的作用。随着大数据时代的到来，雷达微波数据、断面监测数据和道路监控视频等组成了海量的交通大数据，如何根据大数据预测道路交通需求成为要解决的问题。

发明内容

本发明针对现有技术中存在的技术问题，提供一种多模态数据融合的机动车移动模式识别方法，解决现有技术方案不能预测道路交通需求的问题。

本发明解决上述技术问题的技术方案如下：一种多模态数据融合的机动车移动模式识别方法，包括：

步骤1，基于机动车的时空轨迹数据和道路特征数据对机动车的移动轨迹进行重构和聚类；

步骤2，基于交通流数据和交通监控视频数据提取全局交通移动状态，所述全局交通移动状态包括全局车流状态和道路通行状态；

步骤3，根据所述机动车重构和聚类后的所述移动轨迹以及所述全局交通移动状态预测所述机动车的移动属性数据。

一种多模态数据融合的机动车移动模式识别系统，包括：轨迹数据重构和聚类模块、全局交通移动状态数据获取模块和移动属性数据预测模块；

轨迹数据重构和聚类模块，基于机动车的时空轨迹数据和道路特征数据对机动车的移动轨迹进行重构和聚类；

全局交通移动状态数据获取模块，基于交通流数据和交通监控视频数据提取全局交通移动状态数据，所述全局交通移动状态包括全局车流状态和道路通行状态；

移动属性数据预测模块，根据所述机动车重构和聚类后的所述移动轨迹以及所述全局交通移动状态预测所述机动车的移动属性数据。

本发明的有益效果是：对机动车的时空轨迹数据和交通流数据实现多模态数据的融合，根据融合后数据对机动车移动模式识别，时空轨迹数据在个体的层面上描述机动车的移动模式，交通流数据在道路特征层面上和交通流全局层面描述路段通行情况，获得基于不同侧重点的更为精确的机动车移动模式识别结果，从而能获得更为全面、准确的机动车移动模式识别结果。。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步，所述时空轨迹数据包括：时间戳、车辆ID、车辆类别、车速、位置信息、所在车道信息和轨迹方向角的时序轨迹数据，其中所述车辆类别包括大、中和小。

进一步，所述步骤1中对所述移动轨迹进行重构的过程包括：根据所述机动车的速度、速度变化率、方向角、停留时间以及所述道路特征数据确定所述移动轨迹的位置序列中的关键特征点，基于所述关键特征点对所述移动轨迹进行重构；所述道路特征数据包括道路交汇点位置。