[发明专利]大数据环境下出行OD节点识别和节点间路径提取方法

摘要

本发明提供了一种大数据环境下出行OD节点识别和节点间路径提取方法，利用移动终端个体在指定时间范围内的空间活动数据集，挖掘大量个体的出行轨迹数据，对其进行拟合插值，获得等时间间隔的个体出行时空序列；采用空间聚类方法在个体出行时空序列中搜索可能的聚类区域，并通过比较聚类区域中心点与聚类区域外部节点的交角差判定提取出的聚类点是否是OD点，并对用户出行时空序列进行分割。本发明可以低成本、自动化、便捷地获取指定时间范围内大量人口的出行时空序列，利用空间聚类算法和加权平均方法，快速地找出带有OD特征的节点区域，依据规则进行OD点判别，从而便捷、高效地对用户的出行时空序列进行基于OD节点的路段分割。

主权项

一种大数据环境下出行OD节点识别和节点间路径提取方法，其特征在于，该方法由以下5个步骤组成：步骤1、读取从传感器运营商获取的匿名加密移动终端传感器数据，匿名加密移动终端传感器数据理论上在时间与空间上连续，不同移动终端对应不同的用户唯一编号EPID，提取每个EPID在指定时间段内所触发的通信信令记录，构成该EPID的出行数据集；步骤2、依次提取每个EPID在指定时间段内与传感器的通信记录，按时间顺序排序，建立用户出行轨迹数据集；从时间起点t0出发，以T时间为间隔对出行数据的空间位置进行插值，构建由真实点和插值点构成的用户出行时空序列；步骤3、对用户出行时空序列中O‑D点的节点聚类密度ρ和O‑D点半径内的最小节点数量ε，以及O‑D点前后出行时空序列的交角进行分析，设置参数的初始化，同时制定O‑D点的判别规则；步骤4、基于DBSCAN算法，设计一种基于距离的空间聚类算法；即在步骤2得到的聚类参数的基础上，对用户出行时空序列数据上的插值点进行空间聚类，提取出节点的聚类簇，从中提取出聚类簇中的最核心点；计算从最核心点出发，到节点聚类簇前后的第一个节点的方向角，计算用户在节点簇前后的出行时空序列的交角；步骤5、根据步骤2得到的判别规则，判别步骤4得到的聚类簇是否是用户出行时空序列上的O‑D点，对判别得到的O‑D聚类簇进行整理，将其最核心节点作为O‑D点，查找其原始的相近位置的记录点，将其位置投影到地图上，记录其实际的所在位置；根据提取得到的O‑D点分割用户的出行数据，得到分段的、已表明起始点的用户出行轨迹。