[发明专利]一种提取车辆轨迹特征运动模式的方法

权利要求书

1.一种提取车辆轨迹特征运动模式的方法，其特征在于，包括：

步骤1：样本准备：令原始车辆轨迹样本数据集合为T＝{T_i|i＝1,2,...,m}，其中，T_i＝{(x_ij,y_ij)|j＝1,2,...,m_i}表示第i条原始车辆轨迹，(x_ij,y_ij)表示第i辆车的轨迹中第j个位置的车辆中心点坐标，m_i表示第i辆车的行驶轨迹坐标点数量，m表示车辆轨迹样本数量；对于所有T_i以相同间隔δ重采样为F_i＝{f_is|s＝1,2,…,e_i}，其中，δ表示重采样的轨迹点间隔，F_i表示第i条轨迹的重采样轨迹，表示第i条轨迹的第s个重采样轨迹坐标，重采样坐标表示第i条轨迹的第p_s个坐标，p_s公式如式(1)所示，其中e_i表示第i条轨迹的重采样坐标数量；

步骤2：输入重采样轨迹F_i，计算基于动态时间规整的轨迹间距离，具体为：为度量轨迹T_i与轨迹T_j之间的距离，首先构建DTW距离矩阵a＝1,2,…,e_i，b＝1,2,…,e_j，且其中表示轨迹点f_ia和f_jb之间的距离，f_ia和f_jb分别表示第i条轨迹的第a个和第b个重采样轨迹坐标，且定义并根据公式(2)遍历计算D^ij中所有元素的结果，最后输出作为轨迹T_i与T_j的DTW距离；

步骤3：基于DTW轨迹间距离，并运用DBSCAN聚类算法进行聚类，得到聚类簇集合C；

步骤4：为簇集合C＝{C_k}中的每个簇分别提取特征运动模式CT_k，得到特征运动模式集合CT＝{CT_k|k＝1,2,…,K}，其中，CT_k表示第k个簇的特征运动模式，具体为：对任意的簇C_k，遍历所有属于该簇的轨迹T_i^k，计算其到该簇其他所有轨迹的平均距离，最终选取平均距离最小的轨迹作为该类的特征运动模式其具体公式如式(3)所示，式中n_k表示簇C_k中聚类后得到的车辆轨迹数量；再对C中所有集群提取特征轨迹后，得到特征运动模式集合CT；

2.根据权利要求1所述的一种提取车辆轨迹特征运动模式的方法，其特征在于，所述步骤3中基于DTW轨迹间距离，并运用DBSCAN聚类算法进行聚类得到聚类簇集合包括：

步骤2.1：根据DTW轨迹间距离度量，并运用DBSCAN算法进行聚类，得到聚类结果集合label＝{label_i|i＝1,2,…,m}，其中label_i表示轨迹T_i的聚类结果且label_i∈{-1,1,2,…,K}，K表示簇个数，若label_i＝-1，则表示轨迹T_i为离群轨迹；若label_i＝k，则表示轨迹T_i属于第k个簇，其中k＝1,2,…,K；

步骤2.2：根据聚类结果集合label和样本集合T构建聚类簇集合C＝{C_k|k＝1,2,…,K}，其中，簇C_k＝{T_i^k|lable_i＝k；i＝1,2,...,m}表示第k个簇的轨迹集合，T_i^k表示第i条车辆轨迹T_i，且该轨迹属于簇C_k。