[发明专利]一种考虑时空特征的网联车辆轨迹聚类方法

权利要求书

1.一种考虑时空特征的网联车辆轨迹聚类方法，其特征在于，所述方法包括如下步骤：

步骤一、对轨迹区域内的交叉路口进行编号，根据轨迹通过的路段，将轨迹转化为其经过的交叉口的编号序列；

步骤二、计算轨迹间的空间距离、时间距离以及编辑距离；其中所述编辑距离为组成估计的字符串之间的编辑距离；

步骤三、根据步骤二计算出的空间距离、时间距离以及编辑距离数据，采用信息量权数法对三个距离的权重系数进行计算，进而求出考虑了时空差异性的综合距离；

步骤四、基于聚类对象局部密度和距离对轨迹进行聚类。首先对轨迹数据及其部分特征进行描述与定义。其包括：计算轨迹对象的局部密度ρ_qi；计算轨迹对象之间的距离δ_qi；计算轨迹对象的分类标签n_qi；根据轨迹对象的局部密度和距离判断聚类中心；将其余轨迹对象根据其分类标签分类到聚类中心的簇当中。

2.根据权利要求1所述的一种考虑时空特征的网联车辆轨迹聚类方法，其特征在于，将每条轨迹作为一个对象，

计算轨迹对象的局部密度其中函数参数D_ij为轨迹t_i和轨迹t_j之间的综合距离；参数D_c为截断距离，D_c＞0；m个轨迹对象之间的综合距离一共有个，对其进行升序排列，设得到的序列为D₁≤D₂≤...≤D_num，取D_c＝D_f(num*t)，其中f(num*t)表示对num*t进行四舍五入后得到的整数，t取0.02；

轨迹对象之间的距离其中，限定表示的一个降序排列下标序，满足为轨迹和轨迹间的综合距离；

进一步地，定义如下若干记号：n_c表示T包含n_c个类簇，表示各个聚类中心对应轨迹对象的编号，即为第j个类簇的中心；表示轨迹对象归类属性标记，即a_i表示T中第i号轨迹对象归属于第a_i个类簇；表示T中距离最远的两个轨迹对象之间的距离；设表示T中所有局部密度比大的轨迹对象中与距离最近的轨迹对象的编号，具体定义为

3.根据权利要求1或2所述的一种考虑时空特征的网联车辆轨迹聚类方法，其特征在于，

步骤一中轨迹数据转化为交叉口的编号序列包括如下子步骤：

S11：将轨迹集所在地区的交叉口标定编号集C＝{1，2，…，n}，并记录对应的经纬度坐标为L_i，其中i∈C；

S12：设定交叉口范围半径为r，通过遍历轨迹点与交叉口范围进行比较得到轨迹经过的交叉口编号序列。

4.根据权利要求3所述的一种考虑时空特征的网联车辆轨迹聚类方法，其特征在于，所述步骤二中计算轨迹之间空间距离、时间距离以及编辑距离包括如下子步骤：

S21：计算轨迹间的空间距离，取两条轨迹的起点和终点经纬度坐标，将地球近似看作球形，利用地球半径R与起始点经纬度坐标计算起始点距离之和作为轨迹间的空间距离；

S22：计算轨迹间的时间距离，计算两条轨迹的开始时间之差作为轨迹间的时间距离；

S23：计算轨迹间的编辑距离，根据步骤S12所得轨迹的交叉口编号序列计算轨迹间的编辑距离。

5.根据权利要求4所述的一种考虑时空特征的网联车辆轨迹聚类方法，其特征在于，综合距离的计算包括如下子步骤：

S31：将步骤二中求得的三个距离数据进行归一化处理；

S32：根据三个距离的数据分别计算其平均值为空间距离、为到间距离、为编辑距离；以及每个距离数据之间的标准差S_s，S_t，S_e，计算变异系数

S33：对变异系数归一化处理，归一化处理的结果作为各距离的权重系数W_i，求得综合距离D＝W_sD_s+W_tD_t+W_eD_e。