一種基於出行軌跡數據的行程識別方法
2023-05-02 15:04:56 1
專利名稱：一種基於出行軌跡數據的行程識別方法
技術領域：
本發明涉及一種基於出行軌跡數據的行程識別方法。本方法主要應用於通過分析手機定位軌跡數據獲得出行軌跡，但同時也可應用於通過分析GPS定位軌跡數據獲得出行軌跡。
背景技術：
傳統的行為活動信息獲取以居民出行調查和活動日誌調查為主，通過人工調查的方式開展。居民出行調查和活動日誌調查已經形成一套完整的調查流程和規範，在國內外延用多年，但也一直受到幾個問題的困擾，如受防者負擔較大，調查準確性不高，花費巨大
坐寸ο近年來隨著無線通訊技術、Internet技術的發展，手機和可攜式GPS等具有空間定位能力的設備得到普及，設置後可以自動記錄連續時刻的空間經緯度信息。採集後的數據能夠形成完整的活動軌跡，大大豐富和增強了出行活動的還原效果，成為獲取居民活動行為數據的另一條有效途徑。但與此同時，這些被動式的出行數據採集方式往往缺少相應屬性信息作為參考，無法直接從軌跡點中得到出行端點、出行時間、出行方式、出行目的等出行信息。因此，針對軌跡信息的數據處理和挖掘分析方法成為居民出行研究領域的熱點。目前，城市活動對象的軌跡採集主要有GPS定位和手機網絡定位兩種方式。定位技術獲取的軌跡數據只是包含每一軌跡點的經緯度及其對應的時刻信息，通過數據本身無法直接得到活動行為的特徵信息，如出行時間、出行方式、出行目的，以及更深層次的活動規律等。進行以上這些信息統計分析工作的基礎，就是識別出出行者的兩種活動類型，即活動的停留階段和移動階段。因此，出行識別的任務就是將無法直接理解的軌跡轉化為能夠認知的停留位置和在各個停留位置之間的移動。如圖I所示，行程識別就是將在空間上離散的軌跡點劃分成停留活動點和移動活動點兩大類。通過停留活動點獲取人進行停留活動時的位置或位置範圍,通過移動活動點生成人的移動路徑。這樣，有關停留時長、停留活動目的等信息可以由停留位置信息進行挖掘分析，出行方式、出行時間、出行距離等信息則可以從移動路徑中提取。目前，行程識別算法從識別停留點入手，主要有探索性方法和聚類法兩大類。探索性方法還包括以下幾種(I)基於記錄間隙早期車輛出行調查中使用的GPS設備沒有電池，需要由發動中的車輛提供電力。 車輛啟動後，GPS設備通電開始記錄軌跡數據，車輛熄火時，設備斷電停止記錄。因此，獲得的車輛軌跡在時間上會出現間隙，可以用來區分停車行為。在正常的行駛過程中車輛也會發生短暫的熄火行為，需要設定一個時間閾值與停留活動時的車輛熄火相區別。(2)基於靜止點該方法主要從速度入手，考察獲取的軌跡點數據，當軌跡點的速度為O時認為該軌跡點為靜止點，連續聚集的可以判斷出一個停留地點。由於定位誤差和漂移的存在，停留時的軌跡點速度不始終為0，需要設置速度閾值，通常以一個小於步行的速度為標準。(3)基於缺失點在地下或建築物遮擋的情況下，GPS設備將無法接收GPS信號而產生數據缺失，即採集到的兩個相鄰軌跡點之間的時間間隔大於設置的時間間隔。對於這種情況，通過計算這兩個點間的速度，並與兩點前後的若干個軌跡點的速度比較，判斷軌跡點缺失時發生了停留活動還是移動活動。(4)基於方向特徵某些短時停留活動在開始或結束時會發生方向的改變，如停車接送人、取送貨物等，可以通過識別若干個軌跡點的方向變化判斷停留。Du將停留劃分為長時間的確定停留和短時間的疑似停留，考察疑似停留的方向變化進一步驗證是否發生停留。(5)基於路網計算軌跡點與路網的距離，獲得偏離路網的軌跡點，結合停留時長對這些點做進一步判斷。軌跡數據一般以等時間間隔的方式採集，因此發生停留活動時將會有大量軌跡點聚集在某一位置附近，故可以使用聚類的方法進行識別。聚類法還包括以下方法(I)基於K-均值聚類該方法先要確定兩個參數形成一個簇的最少軌跡點數η和聚類半徑d。從第一個軌跡點開始，計算η個軌跡點中任意兩點間的最大距離，如果小於d,這些軌跡點形成一個簇，即一個停留位置。之後，計算下一個軌跡點與該簇中心點的距離，如果小於d/2，則軌跡點加入該簇，否則該簇的聚類過程結束。重複進行以上過程直到所有軌跡點處理完成從而聚類出若干個停留位置。(2)基於 DBSCAN 聚類與K-均值聚類相似，也需要確定軌跡點數η和聚類半徑d。計算每個點d範圍內的軌跡點數量，如果小於η則認為該點為噪聲，否則這些軌跡點形成一個簇。如果簇之間有重合，則合併相交的簇，最後形成若干個停留位置。該方法假設軌跡點始終等時記錄，易受數據缺失的影響。探索性方法建立在研究者對出行軌跡數據的理解和個人出行規律的經驗基礎之上，設定並不斷優化多個用於識別的規則和參數，達到行程識別的目的。該方法貼近真實世界的經驗感受，所需的規則和參數直觀清晰，合理的設定能夠取得良好的識別結果。但探索性方法對數據的針對性比較強，如果軌跡數據的獲取方式和特徵發生改變，已有的方法將不再適用。聚類算法對已有知識經驗和數據本身特徵的依賴性較弱，具有良好的適應性，但無論是K-均值還是DBSCAN聚類對噪聲和長距離漂移的處理效果較差，易將一次停留分割成多次停留，識別精度不高。上述探索性方法主要針對GPS定位方式獲取的出行軌跡數據，難以應用於手機定位軌跡數據的行程識別分析。GPS定位和手機定位這兩種獲取方式得到的軌跡數據在軌跡特徵定位精度方面存在很大不同，GPS定位軌跡數據定位精度較高，不易出現長距離的漂移，而手機定位軌跡數據定位精度和漂移特徵均有賴於移動基站的分布密度，在遠離市中心的區域漂移的距離較大，有時甚至可能出現一、二公裡的定位漂移和抖動；大部分人的手機在白天一般不關機或有的人全天不關機，基於記錄間隙的方法受到很大局限；城市中的手機信號蓋範圍比較全面，在建築物內也不容易發生軌跡缺失的情況，用缺失點判斷停留的方法可用性下降。因此，針對GPS軌跡的識別方法對手機定位軌跡並不適用。
發明內容
本發明設計開發了一種基於出行軌跡數據的行程識別方法。本發明通過速度對軌跡點進行劃分，並將速度低於一定速度閾值以下的軌跡點合併為候選停留位置，再利用距離和時間閾值對候選停留位置進行合併，從而確定出真正的停留點。上述方法解決了手機定位軌跡數據的定位漂移和抖動的問題，行程識別精度高；同時，該方法通過調整距離和時間閾值還可以實現對GPS定位軌跡數據的分析。本發明提供的技術方案為一種基於出行軌跡數據的行程識別方法，包括以下步驟步驟一、計算軌跡點的速度；步驟二、將多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，其中，所述候選停留位置的停留時長為所述多個軌跡點中第一個軌跡點到最後一個軌跡點之間的時間間隔；步驟三、當多個候選停留位置的中心與所述多個候選停留位置中任一個候選停留位置之間的距離小於距離閾值時，並且，當所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則將所述多個候選停留位置的中心判定為停留點；步驟四、所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔為在所述停留點的停留時長。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟三是通過以下方式實現的，(I)將所有待判定候選停留位置中的第一個候選停留位置作為停留序列，其中，所述第一個候選停留位置為停留序列的中心，(2)當位於所述停留序列的後方的第一個候選停留位置到達所述停留序列的中心的距離小於距離閾值時，將所述位於所述停留序列的後方的第一個候選停留位置放入所述停留序列，重新確定所述停留序列的中心，(3)重複(2)，直到位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則(2)中所述停留序列的中心為停留點。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟二中，所述多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，是通過以下方式實現的，(I)依次計算所述候選停留位置中兩個相鄰軌跡點的平均坐標(X(i,i+1)，y(i,i+1))，(2)依次計算所述兩個相鄰軌跡點之間的時間間隔At(i,i+1)、與所述候選停留位置的停留時長Stay' . Δ t之間的比值wight(i,i+1),
(3)計算所述候選停留位置的坐標(Stay』 . x, Stay』 . y)
I : I、I η Λ
Stay' ·χ = Σ wisht(i,μ) · %/+ι) Stay' -y = Σ wiSht^) · ·%+ι)
I Iο優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟三中，(2)中所述停留序列的中心是通過以下方式實現的，(I)計算位於所述停留序列的後方的第一個候選停留位置的停留時長Stay At 與所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔Sq. 間的比值wighh，(2)計算所述停留序列的中心坐標(Sq. x, Sq. y)Sq. X = Wighti · Stay' 」 x+(Iiighti) · Sq. x,Sq. y = Wighti · Stay' 」 y+(Iiighti) · Sq. y。優選的是，所述的基於出行軌跡數據的行程識別方法中，還包括有步驟五、所述步驟三中，(3)中位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔小於時間閾值時，則(2)中所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的所有的軌跡點均判定為移動點，以及所述停留序列中最後一個候選停留位置的停留時長的結束時刻到所述停留序列後方的第一個候選停留位置的停留時長的開始時刻之間的所有的軌跡點均判定為移動點。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟四中，將所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間所有的軌跡點刪除。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，計算從第一個軌跡點到最後一個軌跡點之間的直線距離，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過從所述第一個軌跡點到最後一個軌跡點之間的直線距離除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，分別計算兩個相鄰軌跡點之間的直線距離，並計算所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過所述所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。優選的是，所述的基於出行軌跡數據的行程識別方法中，所述時間閾值為300秒， 所述距離閾值為1100米。
7
本發明所述的基於出行軌跡數據的行程識別方法，通過速度對軌跡點進行劃分， 並將速度低於一定速度閾值以下的軌跡點合併為候選停留位置，再利用距離閾值和時間閾值對候選停留位置進行合併，從而確定出真正的停留點。上述方法解決了手機定位軌跡數據的定位漂移和抖動的問題，行程識別精度高。當時間閾值取300秒，距離閾值取1100米時，查全率為87. 66%，查準率為81. 56%。同時，該方法通過調整距離和時間閾值還可以實現對GPS定位軌跡數據的分析。
圖I為行程識別示意圖；圖2為軌跡點的速度計算示意圖；圖3為軌跡點中候選停留點合併為候選停留位置的示意圖；圖4為停留點識別算法流程5為本發明的基於出行軌跡數據的行程識別方法中基於不同距離閾值和時間閾值的查全率的三維柱狀圖；圖6為本發明的基於出行軌跡數據的行程識別方法中基於不同距離閾值和時間閾值的查準率的三維柱狀圖；圖7為個體出行者行程識別結果的可視化示意圖，其中，圖7(a)為由原始軌跡數據得到的時空路徑。(b)為經由行程識別後繪製的時空路徑，經括號標識出的直線部分表示識別出的停留階段，兩段直線部分之間的彎折部分表示識別出的移動階段。圖8為基於時空軌跡數據的概念模型層次結構；圖9為基於時空軌跡數據的邏輯模型中的關係映射圖；圖10為居民出行軌跡可視化分析挖掘原型系統中單個出行者軌跡的可視化表達圖；圖11為居民出行軌跡可視化分析挖掘原型系統中多個出行者軌跡的可視化表達圖；圖12為居民出行軌跡可視化分析挖掘原型系統中單個出行者多個日期軌跡的可視化表達；圖13為居民出行軌跡可視化分析挖掘原型系統中多個出行者在同一日期的軌跡分布情況。
具體實施例方式下面結合附圖對本發明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。本發明提供一種基於出行軌跡數據的行程識別方法，包括以下步驟步驟一、計算軌跡點的速度；步驟二、將多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，其中，所述候選停留位置的停留時長為所述多個軌跡點中第一個軌跡點到最後一個軌跡點之間的時間間隔；步驟三、當多個候選停留位置的中心與所述多個候選停留位置中任一個候選停留位置之間的距離小於距離閾值時，並且，當所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則將所述多個候選停留位置的中心判定為停留點；步驟四、所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔為在所述停留點的停留時長。所述的基於出行軌跡數據的行程識別方法中，所述步驟三是通過以下方式實現的，(I)將所有待判定候選停留位置中的第一個候選停留位置作為停留序列，其中，所述第一個候選停留位置為停留序列的中心，(2)當位於所述停留序列的後方的第一個候選停留位置到達所述停留序列的中心的距離小於距離閾值時，將所述位於所述停留序列的後方的第一個候選停留位置放入所述停留序列，重新確定所述停留序列的中心，(3)重複(2)，直到位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則(2)中所述停留序列的中心為停留點。所述的基於出行軌跡數據的行程識別方法中，所述步驟二中，所述多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，是通過以下方式實現的，(I)依次計算所述候選停留位置中兩個相鄰軌跡點的平均坐標(X(i,i+1)，y(i,i+1))，(2)依次計算所述兩個相鄰軌跡點之間的時間間隔At(i,i+1)、與所述候選停留位置的停留時長Stay' . Δ t之間的比值wight(i,i+1),(3)計算所述候選停留位置的坐標(Stay』 . x, Stay』 . y)
II η I
Stay' ·χ = Σ wisht(i,μ) · χ(ο.+ι) Stay' -y = Σ wiShHuM) · ·%+ι)
I Iο所述的基於出行軌跡數據的行程識別方法中，所述步驟三中，(2)中所述停留序列的中心是通過以下方式實現的，(I)計算位於所述停留序列的後方的第一個候選停留位置的停留時長Stay%. At 與所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔Sq. 間的比值wighh，(2)計算所述停留序列的中心坐標(Sq. x, Sq. y)Sq. X = Wighti · Stay' 」 x+(Iiighti) · Sq. x,Sq. y = Wighti · Stay' 」 y+ (I-Wighti) · Sq. yD所述的基於出行軌跡數據的行程識別方法中，還包括有步驟五、所述步驟三中，
(3)中位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔小於時間閾值時，則(2)中所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的所有的軌跡點均判定為移動點，以及所述停留序列中最後一個候選停留位置的停留時長的結束時刻到所述停留序列後方的第一個候選停留位置的停留時長的開始時刻之間的所有的軌跡點均判定為移動點。所述的基於出行軌跡數據的行程識別方法中，所述步驟四中，將所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間所有的軌跡點刪除。所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度。所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，計算從第一個軌跡點到最後一個軌跡點之間的直線距離，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過從所述第一個軌跡點到最後一個軌跡點之間的直線距離除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。所述的基於出行軌跡數據的行程識別方法中，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，分別計算兩個相鄰軌跡點之間的直線距離，並計算所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過所述所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。所述的基於出行軌跡數據的行程識別方法中，所述時間閾值為300秒，所述距離閾值為1100米。本發明的方法可分為三個部分(I)速度計算；(2)候選停留位置生成；(3)停留點識別。一、速度計算獲得的原始軌跡數據中不包含速度信息，算法的第一步需要根據軌跡點記錄的經度、緯度和時間信息計算出行者在各軌跡點的速度。嚴格意義的瞬時速度計算比較困難和複雜，因此考慮用軌跡點所在的一段軌跡上的平均速度來代替。對GPS定位軌跡數據而言，其定位精度較高，不易出現長距離的漂移，軌跡點的速度由該軌跡點和與之相連的前後兩個軌跡點組成的路徑上的平均速度代替，如圖2中的軌跡點Py其速度計算公式如下
權利要求
1.一種基於出行軌跡數據的行程識別方法，其特徵在於，包括以下步驟步驟一、計算軌跡點的速度；步驟二、將多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，其中，所述候選停留位置的停留時長為所述多個軌跡點中第一個軌跡點到最後一個軌跡點之間的時間間隔；步驟三、當多個候選停留位置的中心與所述多個候選停留位置中任一個候選停留位置之間的距離小於距離閾值時，並且，當所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則將所述多個候選停留位置的中心判定為停留點；步驟四、所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔為在所述停留點的停留時長。
2.如權利要求I所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟三是通過以下方式實現的，(1)將所有待判定候選停留位置中的第一個候選停留位置作為停留序列，其中，所述第一個候選停留位置為停留序列的中心，(2)當位於所述停留序列的後方的第一個候選停留位置到達所述停留序列的中心的距離小於距離閾值時，將所述位於所述停留序列的後方的第一個候選停留位置放入所述停留序列，重新確定所述停留序列的中心，(3)重複(2)，直到位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔大於時間閾值時，則 (2)中所述停留序列的中心為停留點。
3.如權利要求2所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟二中，所述多個相鄰的速度均在速度閾值以下的軌跡點合併為一個候選停留位置，是通過以下方式實現的，(1)依次計算所述候選停留位置中兩個相鄰軌跡點的平均坐標(x(i,i+1)，y(i,i+1))，(2)依次計算所述兩個相鄰軌跡點之間的時間間隔與所述候選停留位置的停留時長Stay' . Δ 之間的比值wight(i,i+1),(3)計算所述候選停留位置的坐標(Stay』. x, Stay』 . y)
4.如權利要求2所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟三中，(2)中所述停留序列的中心是通過以下方式實現的，(1)計算位於所述停留序列的後方的第一個候選停留位置的停留時長Stay』i. At與所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔Sq. Λ t之間的比值wighh，(2)計算所述停留序列的中心坐標(Sq.X, Sq. y)Sq. X = Wighti · Stay' j. x+ (I-Wighti) · Sq. x,Sq. y = Wighti · Stay, y+(Iiighti) · Sq. y。
5.如權利要求2所述的基於出行軌跡數據的行程識別方法，其特徵在於，還包括有步驟五、所述步驟三中，(3)中位於所述停留序列後方的第一個候選停留位置到達所述停留序列的中心的距離大於距離閾值時，當所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的時間間隔小於時間閾值時，則(2)中所述停留序列中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間的所有的軌跡點均判定為移動點，以及所述停留序列中最後一個候選停留位置的停留時長的結束時刻到所述停留序列後方的第一個候選停留位置的停留時長的開始時刻之間的所有的軌跡點均判定為移動點。
6.如權利要求I所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟四中，將所述多個候選停留位置中第一個候選停留位置的停留時長的開始時刻到最後一個候選停留位置的停留時長的結束時刻之間所有的軌跡點刪除。
7.如權利要求I所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟一中，計算軌跡點的平均速度。
8.如權利要求7所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，計算從第一個軌跡點到最後一個軌跡點之間的直線距離，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過從所述第一個軌跡點到最後一個軌跡點之間的直線距離除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。
9.如權利要求7所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述步驟一中，計算軌跡點的平均速度，是通過以下方式實現的，在當前軌跡點的前方和後方分別選取至少一個軌跡點，分別計算兩個相鄰軌跡點之間的直線距離，並計算所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和，計算第一個軌跡點到最後一個軌跡點之間的時間間隔，當前軌跡點的平均速度通過所述所選取的軌跡點中所有兩個相鄰軌跡點之間的直線距離之和除以所述第一個軌跡點到最後一個軌跡點之間的時間間隔得到。
10.如權利要求I所述的基於出行軌跡數據的行程識別方法，其特徵在於，所述時間閾值為300秒，所述距離閾值為1100米。
全文摘要
本發明公開了一種基於出行軌跡數據的行程識別方法，通過速度對軌跡點進行劃分，並將速度低於一定速度閾值以下的軌跡點合併為候選停留位置，再利用距離閾值和時間閾值對候選停留位置進行合併，從而確定出真正的停留點。上述方法解決了手機定位軌跡數據的定位漂移和抖動的問題，行程識別精度高。當時間閾值取300秒，距離閾值取1100m時，查全率為87.66％，查準率為81.56％。同時，該方法通過調整距離和時間閾值還可以實現對GPS定位軌跡數據的分析。
文檔編號G01C21/00GK102607553SQ20121005654
公開日2012年7月25日 申請日期2012年3月6日 優先權日2012年3月6日
發明者仇培元, 張健欽, 徐志潔, 王晏民 申請人:北京建築工程學院