CN107330088A - 一种基于gps轨迹数据的出行段识别方法 - Google Patents

一种基于gps轨迹数据的出行段识别方法 Download PDF

Info

Publication number
CN107330088A
CN107330088A CN201710537466.9A CN201710537466A CN107330088A CN 107330088 A CN107330088 A CN 107330088A CN 201710537466 A CN201710537466 A CN 201710537466A CN 107330088 A CN107330088 A CN 107330088A
Authority
CN
China
Prior art keywords
trip
end points
section
cluster
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710537466.9A
Other languages
English (en)
Inventor
汪宝
高林杰
隽志才
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201710537466.9A priority Critical patent/CN107330088A/zh
Publication of CN107330088A publication Critical patent/CN107330088A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/421—Determining position by combining or switching between position solutions or signals derived from different satellite radio beacon positioning systems; by combining or switching between position solutions or signals derived from different modes of operation in a single system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Fuzzy Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于GPS轨迹数据的出行段识别方法。主要包括数据清洗与预处理、识别出行端点并去除伪出行端点、合并出行段。该方法在综合基于规则法和聚类法优点的基础上，提出了数据清洗与预处理流程，有效剔除了出行端点识别与出行段合并中的噪声，算法简易、高效、识别结果精准、可靠。用轨迹点相邻区间的距离与时间差计算该点瞬时速度，运用速度对时间的积分来计算出行距离。适用于基于GPS轨迹数据的出行段识别，丰富GPS轨迹数据挖掘算法体系，为大规模基于智能手机的出行调查推广提供理论支撑。

Description

一种基于GPS轨迹数据的出行段识别方法
技术领域
本发明涉及计算机识别技术，尤其涉及一种基于GPS轨迹数据的出行段识别方法。
背景技术
传统居民出行调查一般采用面对面访谈、纸质问卷、邮件和电话等形式，这些方法需要受访者填写详细的出行特征，并且是在一天或者更长时间段内出行结束后进行回忆填写，受访者的负担较大，填写的数据存在较大误差。比如，1)出行者通常将出行时间近似为相近的5分钟、10分钟甚至15分钟等，也不提供实际的出行路径等信息；2)出行调查的漏报、误报比例较高，通常处于20％-30％之间，这些都限制了出行数据的精度。
近些年，随着智能手机的快速普及，GPS定位技术的发展完善，使得基于手机GPS轨迹数据的出行调查成为可能。
现有的基于GPS轨迹数据的出行段识别方法主要存在以下不足：
1)由于GPS信号可能存在误差，现有方法直接使用GPS记录数据中的速度值进行相关计算就会出现较大偏差；
2)缺乏完善的原始数据清洗与预处理方法，如信号漂移点的识别与去除；
3)在识别得到出行端点后，缺乏进一步的判定与去除伪端点的方法；
4)没有按照传统的出行定义去合并出行段。
因此，识别得到的出行段与真实的出行之间存在较大偏差，方法实用性不强。
发明内容
为解决上述技术问题，本发明的目的在于提供一种基于GPS轨迹数据的出行段识别方法。
本发明是通过以下技术方案实现的：主要包括数据清洗与预处理、识别出行端点并去除伪出行端点、合并出行段。该方法在综合基于规则法和聚类法优点的基础上，提出了数据清洗与预处理流程，有效剔除了出行端点识别与出行段合并中的噪声。用轨迹点相邻区间的距离与时间差计算该点瞬时速度，运用速度对时间的积分来计算出行距离。适用于基于GPS轨迹数据的出行段识别，丰富GPS轨迹数据挖掘算法体系，为大规模基于智能手机的出行调查推广提供理论支撑。
一种基于GPS轨迹数据的出行段识别方法，其特征在于：包括以下步骤：
第一步、数据清洗与预处理；
1)去除定位卫星数少于4颗的轨迹点；
2)去除海拔高度大于当地最高海拔的轨迹点；
3)信号漂移点识别与剔除：该点与之前5个点的中心距离超过200米，同时与之后5个点的中心距离超过200米；
4)去除瞬时速度超过地面交通工具最大速度的轨迹点；
第二步、识别出行端点并去除伪端点；
根据GPS信号记录情况分两种情形识别出行端点，
1)GPS信号正常记录：出行端点处的轨迹点有点聚集的特征，用K均值聚类法识别此类端点；还有一种端点发生在短暂的接送人情形下，通过计算轨迹点的方向变化以及路段重复长度识别，方向发生180度的改变，且重复路段长度超过50米，即识别为接送人的出行端点；
2)GPS信号缺失：缺失段时间差超过2分钟，且缺失段平均速度(缺失段长度与时间差的比值)小于步行速度最小值0.5m/s，即识别为出行端点；
第三步、合并出行段；
第二步得到的出行端点即活动发生点，去除活动范围小于50米的出行端点，得到所有的出行端点，合并各出行端点之间的出行段。
进一步的，第二步所述的K均值聚类法识别可能的出行端点，定义一个簇并给定簇内最少的点数m＝5个和聚类半径d＝10米，判断该簇中位点和簇外下一点之间的距离，如果小于d/2，则将该点加入簇中，否则结束该簇，直到所有的点都被遍历到，最终建立的各簇即为可能的出行端点，每一个簇的时间差至少为2分钟，否则作为伪端点并去除。
进一步的，第三步所述的出行段，各出行段需满足：出行段长度大于400米，出行时间超过5分钟，否则该出行段并入上一出行段。
相比现有技术,本发明具有如下有益效果:
本发明有效剔除了出行端点识别与出行段合并中的噪声，算法简易、高效、识别结果精准、可靠。本发明可以丰富GPS轨迹数据挖掘算法体系，为大规模基于智能手机的出行调查推广提供理论支撑。
附图说明
图1一种基于GPS轨迹数据的出行段识别流程图
图2信号漂移点识别与删除
图3轨迹点速度计算示意图
图4出行段距离计算
具体实施方式
下面对本发明的实施例作详细说明，本实施例以本发明的技术方案为依据开展，给出了详细的实施方式和具体的操作过程。
一、数据清洗与预处理
采集的GPS轨迹数据一般包括：用户编号、定位时间、经度、纬度、海拔、速度、方向和定位卫星数。
根据用户编号，GPS数据按照时间顺序分配到每个人每天的出行。
根据以下规则进行数据清洗与预处理：
1、去除定位卫星数少于4颗的轨迹点；
2、去除海拔高度大于200米(上海地区)的轨迹点；
3、信号漂移点识别与剔除：该点与之前5个点的中心距离超过200米，同时与之后5个点的中心距离超过200米；详细图例见图2。
4、去除瞬时速度超过150Km/h的轨迹点。
注：
1)轨迹点瞬时速度的计算：vi＝(disi-1,i+disi,i+1)/(timei+1-timei-1)其中，disi-1,i表示第i-1个轨迹点与第i个轨迹点之间的距离，timei-1表示第i-1个轨迹点的时刻。详细图例见图3。
2)出行段距离计算：计算出行段距离时，与以往直接累加所有轨迹点间直线距离不同，本方法提出通过轨迹点速度对时间的积分得到出行距离：
如图4所示，速度折线与横轴围成的面积即是该段出行距离。
二、识别出行端点并去除伪端点
根据GPS信号记录情况分两种情形识别出行端点。在GPS信号记录正常时，出行端点处的轨迹点会有点聚集的特征，使用K均值聚类法识别此类端点；还有一种端点发生在短暂的接送人情形下，可以通过计算轨迹点的方向变化以及路段重复长度识别。
GPS信号正常记录：
1)运用K均值聚类法识别可能的出行端点。定义一个簇并给定簇内最少的点数m＝5个和聚类半径d＝10米，判断该簇中位点和簇外下一点之间的距离，如果小于d/2，则将该点加入簇中，否则结束该簇，直到所有的点都被遍历到，最终建立的各簇即为可能的出行端点。每一个簇的时间差至少为2分钟，否则作为伪端点并去除；
2)方向发生180度的改变，且重复路段长度超过50米，即识别为接送人的出行端点。
GPS信号缺失：缺失段时间差超过2分钟，且缺失段平均速度(缺失段长度与时间差的比值)小于步行速度最小值0.5m/s，即识别为出行端点。三、合并出行段
第二步得到的出行端点即活动发生点，去除活动范围小于50米的出行端点，得到所有的出行端点，合并各出行端点之间的出行段；
根据传统交通意义上出行的定义，各出行段须满足：出行段长度大于400米，出行时间超过5分钟，否则该出行段并入上一出行段。
实例验证：
实验共搜集到125名上海地区用户上传的有效GPS轨迹数据，包括841人·天的2793492个GPS轨迹点。其中，共有7.4％的无效GPS轨迹点在数据清洗和预处理中被剔除，识别的整体正确率达到98.08％，错误率仅为3.22％；共有89个出行段被合并。出行段属性方面，识别的平均出行时长比真实值少88秒(4.3％)；对应地，平均出行距离比真实出行距离少336米(3.0％)。由此可见,利用本发明所述方法基于GPS轨迹数据可以实现出行段的精准识别。
表1
表2
以上实施例为本申请的优选实施例，本领域的普通技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (3)

1.一种基于GPS轨迹数据的出行段识别方法，其特征在于：包括以下步骤：
第一步、数据清洗与预处理；
1)去除定位卫星数少于4颗的轨迹点；
2)去除海拔高度大于当地最高海拔的轨迹点；
3)信号漂移点识别与剔除：该点与之前5个点的中心距离超过200米，同时与之后5个点的中心距离超过200米；
4)去除瞬时速度超过地面交通工具最大速度的轨迹点；
第二步、识别出行端点并去除伪端点；
根据GPS信号记录情况分两种情形识别出行端点，
1)GPS信号正常记录：出行端点处的轨迹点有点聚集的特征，用K均值聚类法识别此类端点；还有一种端点发生在短暂的接送人情形下，通过计算轨迹点的方向变化以及路段重复长度识别，方向发生180度的改变，且重复路段长度超过50米，即识别为接送人的出行端点；
2)GPS信号缺失：缺失段时间差超过2分钟，且缺失段平均速度(缺失段长度与时间差的比值)小于步行速度最小值0.5m/s，即识别为出行端点；
第三步、合并出行段；
第二步得到的出行端点即活动发生点，去除活动范围小于50米的出行端点，得到所有的出行端点，合并各出行端点之间的出行段。
2.根据权利要求1所述的一种基于GPS轨迹数据的出行段识别方法，其特征在于，第二步所述的K均值聚类法识别可能的出行端点，定义一个簇并给定簇内最少的点数m＝5个和聚类半径d＝10米，判断该簇中位点和簇外下一点之间的距离，如果小于d/2，则将该点加入簇中，否则结束该簇，直到所有的点都被遍历到，最终建立的各簇即为可能的出行端点，每一个簇的时间差至少为2分钟，否则作为伪端点并去除。
3.根据权利要求1所述的一种基于GPS轨迹数据的出行段识别方法，其特征在于，第三步所述的出行段，各出行段需满足：出行段长度大于400米，出行时间超过5分钟，否则该出行段并入上一出行段。
CN201710537466.9A 2017-07-04 2017-07-04 一种基于gps轨迹数据的出行段识别方法 Pending CN107330088A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710537466.9A CN107330088A (zh) 2017-07-04 2017-07-04 一种基于gps轨迹数据的出行段识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710537466.9A CN107330088A (zh) 2017-07-04 2017-07-04 一种基于gps轨迹数据的出行段识别方法

Publications (1)

Publication Number Publication Date
CN107330088A true CN107330088A (zh) 2017-11-07

Family

ID=60197882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710537466.9A Pending CN107330088A (zh) 2017-07-04 2017-07-04 一种基于gps轨迹数据的出行段识别方法

Country Status (1)

Country Link
CN (1) CN107330088A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034181A (zh) * 2018-06-05 2018-12-18 广州杰赛科技股份有限公司 移动轨迹的分类方法和装置、设备、存储介质
CN109581445A (zh) * 2018-11-01 2019-04-05 北京航空航天大学 一种基于北斗星座的araim子集选择方法及系统
CN109633716A (zh) * 2018-12-10 2019-04-16 东南大学 基于gps的城市配送车辆出行链及其特征识别方法与设备
CN110337067A (zh) * 2019-07-25 2019-10-15 深圳市口袋网络科技有限公司 一种运动轨迹生成方法、装置及相关组件
CN110826758A (zh) * 2018-08-14 2020-02-21 上海能链众合科技有限公司 行程类型确定方法及装置、存储介质、终端
CN111325993A (zh) * 2019-04-24 2020-06-23 北京嘀嘀无限科技发展有限公司 通行速度确定方法、装置、电子设备及计算机存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1062513A (ja) * 1996-08-26 1998-03-06 Matsushita Electric Works Ltd 観測記録装置
CN101673460A (zh) * 2009-08-25 2010-03-17 北京世纪高通科技有限公司 一种交通信息的质量评价方法、装置及系统
CN101710449A (zh) * 2009-12-04 2010-05-19 吉林大学 基于公交车gps数据的交通流运行状态识别方法
CN102708680A (zh) * 2012-06-06 2012-10-03 北京交通大学 基于agps技术的交通出行方式识别方法
ES2525034T3 (es) * 2011-11-30 2014-12-16 Selex Es S.P.A. Algoritmo antirreflejos de modo S para eliminar falsas derrotas debidas a respuestas reflejadas en sistemas de radar terrestre
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104751631A (zh) * 2015-03-13 2015-07-01 同济大学 基于gps定位和模糊理论判断出行链交通方式的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1062513A (ja) * 1996-08-26 1998-03-06 Matsushita Electric Works Ltd 観測記録装置
CN101673460A (zh) * 2009-08-25 2010-03-17 北京世纪高通科技有限公司 一种交通信息的质量评价方法、装置及系统
CN101710449A (zh) * 2009-12-04 2010-05-19 吉林大学 基于公交车gps数据的交通流运行状态识别方法
ES2525034T3 (es) * 2011-11-30 2014-12-16 Selex Es S.P.A. Algoritmo antirreflejos de modo S para eliminar falsas derrotas debidas a respuestas reflejadas en sistemas de radar terrestre
CN102708680A (zh) * 2012-06-06 2012-10-03 北京交通大学 基于agps技术的交通出行方式识别方法
CN104318766A (zh) * 2014-10-22 2015-01-28 北京建筑大学 一种公交gps轨迹数据的路网匹配方法
CN104751631A (zh) * 2015-03-13 2015-07-01 同济大学 基于gps定位和模糊理论判断出行链交通方式的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖光年 等: "基于GPS定位数据的出行端点推断", 《吉林大学学报》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034181A (zh) * 2018-06-05 2018-12-18 广州杰赛科技股份有限公司 移动轨迹的分类方法和装置、设备、存储介质
CN110826758A (zh) * 2018-08-14 2020-02-21 上海能链众合科技有限公司 行程类型确定方法及装置、存储介质、终端
CN110826758B (zh) * 2018-08-14 2023-10-13 上海零数众合信息科技有限公司 行程类型确定方法及装置、存储介质、终端
CN109581445A (zh) * 2018-11-01 2019-04-05 北京航空航天大学 一种基于北斗星座的araim子集选择方法及系统
CN109581445B (zh) * 2018-11-01 2021-03-19 北京航空航天大学 一种基于北斗星座的araim子集选择方法及系统
CN109633716A (zh) * 2018-12-10 2019-04-16 东南大学 基于gps的城市配送车辆出行链及其特征识别方法与设备
CN109633716B (zh) * 2018-12-10 2020-10-27 东南大学 基于gps的城市配送车辆出行链及其特征识别方法与设备
CN111325993A (zh) * 2019-04-24 2020-06-23 北京嘀嘀无限科技发展有限公司 通行速度确定方法、装置、电子设备及计算机存储介质
CN110337067A (zh) * 2019-07-25 2019-10-15 深圳市口袋网络科技有限公司 一种运动轨迹生成方法、装置及相关组件

Similar Documents

Publication Publication Date Title
CN107330088A (zh) 一种基于gps轨迹数据的出行段识别方法
CN107241512B (zh) 基于手机数据的城际交通出行方式判断方法和设备
CN113032502B (zh) 一种基于改进轨迹段dbscan聚类的船舶异常检测方法
CN107563419B (zh) 图像匹配和二维码相结合的列车定位方法
CN110008872B (zh) 一种结合车辆轨迹和遥感图像的路网提取方法
CN107818412B (zh) 一种基于MapReduce的大规模公交乘客OD并行计算方法
CN105371857B (zh) 一种基于公交车gnss时空轨迹数据建构路网拓扑的装置及方法
CN102799897B (zh) 基于gps定位的交通方式组合出行的计算机识别方法
CN101270997B (zh) 基于gps数据的浮动车动态实时交通信息处理方法
Schüssler et al. Identifying trips and activities and their characteristics from GPS raw data without further information
CN104573116B (zh) 基于出租车gps数据挖掘的交通异常识别方法
CN106568456B (zh) 基于gps/北斗定位和云计算平台的不停车收费方法
CN104778274A (zh) 基于稀疏出租车gps数据的大范围城市路网旅行时间估计方法
CN105096590B (zh) 交通信息生成方法和交通信息生成设备
CN109147323A (zh) 一种用于公路客货运输指标统计的车辆gps数据处理方法
CN104990551A (zh) 一种基于轨迹提取的室内外联合导航方法与系统
CN112511982B (zh) 一种出行语义自动标注的地铁乘客轨迹实时追溯还原方法
CN114446048B (zh) 基于手机信令数据的轨道交通出行者全出行链分析方法
CN109492071A (zh) 一种铁路高精度地图数据处理方法及系统
CN107330469A (zh) 一种基于gps轨迹数据的出行方式识别方法
CN114440900A (zh) 改进的隐马尔科夫模型地图匹配方法及装置
CN109031372A (zh) 一种从卫星定位数据中自动提取行驶线路关键点的方法
CN104537052A (zh) 基于小波分析模极大值算法的交通出行换乘点识别方法
CN107133236A (zh) 地理位置轨迹优化的方法和装置
CN113079463A (zh) 一种基于手机信令数据的旅游景点游客出行活动识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171107