[发明专利]基于时空数据的出行需求预测方法及系统

权利要求书

1.一种基于时空数据的出行需求预测方法，其特征在于，所述方法包括以下步骤：

步骤1，采集原始车辆轨迹数据，并进行预处理以获得所需的轨迹数据；

步骤2，基于轨迹数据和城市路网数据，进行车辆轨迹地图匹配；

步骤3，基于地图匹配结果进行出行需求预测。

2.根据权利要求1所述的基于时空数据的出行需求预测方法，其特征在于，步骤1中所述车辆轨迹数据，包括车辆编号、采样时间、车辆经度、车辆纬度、车辆速度和方向角；步骤2中所述城市路网数据包括路段的起点、终点、道路等级、限速和长度。

3.根据权利要求1或2所述的基于时空数据的出行需求预测方法，其特征在于，步骤1中所述预处理具体包括：

步骤1-1，对采集的原始车辆轨迹进行格式转化，转化为后续数据处理所需的格式；

步骤1-2，去除噪声数据，包括重复的采样轨迹数据、偏离预设轨迹路线的异常采样轨迹数据；

步骤1-3，抽取采样轨迹数据，具体包括：

(1)根据采样点位置的变化提取每辆车的采样轨迹数据；

(2)根据时间戳对每辆车的采样轨迹数据进行排序；

步骤1-4，计算每辆车的采样轨迹数据与预设轨迹路线的位置偏移量，判断该偏移量是否大于预设阈值，若大于，对该采样轨迹数据进行平滑处理。

4.根据权利要求3所述的基于时空数据的出行需求预测方法，其特征在于，步骤2所述基于轨迹数据和城市路网数据，进行车辆轨迹地图匹配，具体包括：

步骤2-1，基于城市路网数据，构建路网空间索引，具体包括：

(1)利用图结构GV,E表示城市路网，其中V表示道路之间的交叉点的集合，E表示路网中路段的集合；

(2)利用R-树技术为(1)中得到的路段集合建立空间索引；

步骤2-2，候选路段选取：针对轨迹中的每一个采样点，计算其与路网中各路段之间的最短距离，将最短距离小于预设阈值的路段作为该采样点对应的候选路段；

步骤2-3，进行车辆轨迹地图匹配，具体包括：

(1)进行误差概率建模

采样点的误差概率N(p_i|sg_t)定义为：

式中，为采样点p_i到候选路段sg_t的最短距离，μ为均值，δ为方差；并在第一次循环中对μ、δ进行初始化；

(2)进行方向概率建模

以正北方向为基准，顺时针方向为正方向，定义采样点的方向角为采样点的行驶方向与正北方向所成的角度，方向概率D(p_i|sg_t)定义为：

D(p_i|sg_t)＝log(1+exp(-α))

其中，

式中，和分别为采样点p_i的方向角和候选路段sg_t的方向角，为两方向角和的差值；

(3)进行测量概率建模

结合误差概率和方向概率，改进的测量概率I(p_i|sg_t)定义为：

I(p_i|sg_t)＝N*D

(4)进行转换概率建模

给定两个相邻采样点，转换概率为车辆从前一采样点的某个候选路段行驶到后一采样点的某个候选路段的概率，候选路段之间的转换概率P(sg_m|sg_t)定义为：

其中，

式中，greatCircleDis(p_i,p_i+1)表示两个相邻采样点p_i、p_i+1之间的大地距离，表示位于t路段和m路段上的两个相邻的采样点之间的路径距离；

(5)进行参数选择

结合初始状态概率、改进的测量概率和转换概率，利用维特比算法求出最优的状态序列，即车辆最有可能的行驶路径；其中，所述初始状态概率定义为轨迹中第一个采样点的测量概率；

计算所述最优的状态序列与城市路网数据的匹配度，包括Ar和Al两个评价指标：

其中，Ar表示路段个数匹配的准确度，Al表示路段长度匹配的准确度；

判断Ar和Al两个评价指标值是否均满足其各自的精度阈值范围，若是，则匹配结束，否则，重新设置误差概率中的参数μ和δ，并重复执行步骤2-3直至满足要求。