CN109886724A - 一种鲁棒性的居民出行轨迹识别方法 - Google Patents

Abstract

本发明公开了一种鲁棒性的居民出行轨迹识别方法，通过对轨迹数据进行特征参数提取，基于已知交通出行方式的轨迹数据训练样本建立与交通出行方式对应的子孤立森林模型；再将待识别的轨迹数据进行特征提取，每个子孤立森林模型均根据待识别轨迹数据的特征参数输出评分值并相互进行比较：若所有评分值均小于设定的接收阈值，则认为轨迹数据不属于已知交通出行方式中的任意一种；否则，评分值最高的子孤立森林所对应的交通出行方式，即为待识别的轨迹数据的交通出行方式。本发明的交通出行方式识别模型具有鲁棒性，能够在已知交通出行方式范围内实现对居民出行轨迹进行有效识别。

Description

一种鲁棒性的居民出行轨迹识别方法

技术领域

本发明属于交通技术领域，具体涉及一种鲁棒性的居民出行轨迹识别方法。

背景技术

居民的出行包括多种交通方式，对于混淆各种交通方式的居民出行数据(比如各种地图 APP软件所记录的居民出行GPS数据)，需要对各种交通方式进行识别与分类才能更有效的了解居民的出行活动与城市的交通状况。随着人工智能的发展，现阶段最常用的有各种机器学习和深度学习分类算法在有样本数据的基础上(样本数据为已知交通出行方式的GPS轨迹数据)，通过对GPS轨迹进行特征提取，提取出每段轨迹的速度、加速度等重要特征，然后对这些特征进行模型训练与预测，能够对居民出行GPS数据进行有效的交通方式识别。但是，现有的方法仍然存在如下问题：

1)经由机器学习和深度学习等算法进行模型训练时，训练样本为已知交通方式的GPS 轨迹，在现实生活中此类样本极难获取，除了出租车与公交车等特定装载GPS装备的交通工具能够得到其出行GPS轨迹外，其它交通方式例如步行、自行车出行等很难获得其各自的 GPS轨迹。

2)由机器学习和深度学习等算法对GPS轨迹进行分类时，所得到的轨迹分类识别结果只能局限于训练样本所标记的交通方式，而对于地图APP软件记录的居民出行GPS数据，其混合的交通方式是多样的，这样会导致很多GPS轨迹会被错误识别(比如训练样本只标记了步行、自行车出行、小汽车出行和公交车出行四种交通方式，但是测试样本除了这四种交通方式外还混合了地铁出行、火车出行等交通方式，这样在模型测试时，地铁出行和火车出行由于在模型训练阶段未被训练，它们会被错误的识别为经过训练的前面四种交通方式之一)。

发明内容

为了克服现有技术的上述缺点，本发明提供了一种鲁棒性的居民出行轨迹识别方法，在实现对多种未知交通方式轨迹识别的同时，能够有效地将轨迹数据中的噪点轨迹进行剔除，提高轨迹识别的鲁棒性。

为实现上述技术目的，本发明采用的技术方案如下：

一种鲁棒性的居民出行轨迹识别方法，包括以下步骤：

步骤一，构建训练样本集，训练交通出行方式识别模型；

步骤A1，获取已知交通出行方式的轨迹数据，作为训练样本；

步骤A2，提取轨迹数据训练样本的特征参数；

步骤A3，将所有训练样本的特征参数，输入到按训练样本的交通出行方式分类的不同的孤立森林模型中，构建多个分别与交通出行方式对应的子孤立森林模型；

步骤A4，设定接收阈值；

步骤二；根据待识别的轨迹数据，识别交通出行方式；

步骤B1，获取待识别的轨迹数据，提取待识别的轨迹数据的特征参数；

步骤B2，将待识别的轨迹数据的特征参数，输入到所有子孤立森林模型中，每个子孤立森林模型输出评分值；

步骤B3，比较每个子孤立森林模型输出的评分值：若所有评分值均小于接收阈值，则认为待识别的轨迹数据异常，不属于已知交通出行方式中的任意一种；否则将输出最高评分值的子孤立森林所对应的交通出行方式，认定为待识别的轨迹数据的交通出行方式。

本方案通过对轨迹数据进行特征参数提取，基于已知交通出行方式的轨迹数据训练样本建立与交通出行方式对应的子孤立森林模型；再将待识别的轨迹数据进行特征提取，每个子孤立森林模型均根据待识别轨迹数据的特征参数输出评分值并相互进行比较：若所有评分值均小于设定的接收阈值，则认为轨迹数据不属于已知交通出行方式中的任意一种；否则，评分值最高的子孤立森林所对应的交通出行方式，即为待识别的轨迹数据的交通出行方式。

通过对各个子孤立森林模型的评分值与接收阈值比较，能够在已知交通出行方式范围内实现对居民出行轨迹进行有效识别的同时，还能够对已知交通方式范围外的居民出行轨迹进行拒绝，能够有效识别轨迹数据中的噪点，使交通出行方式识别模型具有鲁棒性。

本方法通过其他方式(如出租车GPS数据、公交车GPS数据)采集的轨迹数据训练样本所训练得到的交通出行方式识别模型，可以广泛应用于根据居民出行的各种地图app数据进行交通出行方式识别，即可将居民出行的app数据作为待识别的轨迹数据，输入到交通出行方式识别模型中进行交通出行方式的识别，因此本发明的交通出行方式识别模型具有通用性。

进一步地，轨迹数据的特征参数包括速度参数、加速度参数和转角参数。

进一步地，所述速度参数包括轨迹数据中所有轨迹点的速度中的中位速度和75分位速度，所述加速度参数是指轨迹数据中所有轨迹点的加速度中的中位加速度，所述转角参数是指轨迹数据中所有轨迹点的转角值中的中位转角值；其中，第i个轨迹点的速度v_i、加速度a_i和转角值h_i的计算公式分别为：

h_i＝|H_i-H_i-1|，

式中，d_i为第i个轨迹点与第i-1个轨迹点间的地理距离，t_i为第i个轨迹点与第i-1个轨迹点间的时间间隔，H_i为第i个轨迹点的行驶方位角。

进一步地，所述轨迹数据的特征参数包括Fréchet距离特征，所述轨迹数据具有若干条同轨迹公交线路，其中轨迹数据P与各条同轨迹公交线路Q之间的Fréchet距离的计算公式为：

式中，u₁,u₂…u_p表示轨迹数据P中的p个轨迹点，w₁,w₂…w_q表示同轨迹公交线路Q中的q个公交线节点，d(u_i,w_j)表示轨迹数据P的轨迹点u_i与同轨迹公交线路Q的公交线节点w_j之间的距离度量函数；

计算轨迹数据P与所有同轨迹公交线路的Fréchet距离，将得到的最小值作为轨迹数据P 的Fréchet距离特征。

本方案通过引入与公交线路轨迹息息相关的公交地理特征，即与同轨迹公交线路的 Fréchet距离)，可以实现对公交出行轨迹与小汽车出行轨迹更有效的区分和识别。

进一步地，公交线路由公交线节点连接而成，公交线节点包括经度和纬度信息；在步骤 1之前包括：获取城市公交线路信息，构建城市公交网络，得到用于计算Fréchet距离的城市所有公交线节点。

进一步地，所述同轨迹公交线路是指，取与轨迹数据第一个轨迹点距离最小的公交线节点作为起始点，取与轨迹数据最后一个轨迹点距离最小的公交线节点作为终点，起始点和终点之间的所有公交线路构成轨迹数据的若干条同轨迹公交线路。

进一步地，所述接收阈值为-0.05。

进一步地，所述已知交通出行方式包括步行、自行车出行、公交车出行、小汽车出行和地铁出行五种交通出行方式。

进一步地，所述轨迹数据由若干个轨迹点连接而成，每个轨迹点由GPS记录用户在不同时刻所在位置的经纬度信息，所述经纬度信息包括用户编码、经度、纬度和时间。

进一步地，训练得到子孤立森林模型的过程为：同一种交通出行方式的所有训练样本的特征参数构建得到若干棵孤立树，所有孤立树组成子孤立森林模型。

有益效果

本方案通过对轨迹数据进行特征参数提取，基于已知交通出行方式的轨迹数据训练样本建立与交通出行方式对应的子孤立森林模型；再将待识别的轨迹数据进行特征提取，每个子孤立森林模型均根据待识别轨迹数据的特征参数输出评分值并相互进行比较：若所有评分值均小于设定的接收阈值，则认为轨迹数据不属于已知交通出行方式中的任意一种；否则，评分值最高的子孤立森林所对应的交通出行方式，即为待识别的轨迹数据的交通出行方式。

通过对各个子孤立森林模型的评分值与接收阈值比较，能够在已知交通出行方式范围内实现对居民出行轨迹进行有效识别的同时，还能够对已知交通方式范围外的居民出行轨迹进行拒绝，能够有效识别轨迹数据中的噪点，使交通出行方式识别模型具有鲁棒性。

本发明通过其他方式(如出租车GPS数据、公交车GPS数据)采集的轨迹数据训练样本所训练得到的交通出行方式识别模型，可以广泛应用于根据居民出行的各种地图app数据进行交通出行方式识别，即可将居民出行的app数据作为待识别的轨迹数据，输入到交通出行方式识别模型中进行交通出行方式的识别，因此本发明的交通出行方式识别模型具有通用性。

附图说明

图1为本发明出行轨迹识别方法的流程图；

图2为本发明的轨迹数据训练样本的数量示意图；

图3为本发明交通出行方式识别模型在不同正常阈值取值情况下的预测精确率与召回率的变化示意图；

图4为本发明交通出行方式识别模型对于每类轨迹数据的预测结果示意图；

图5为本发明基于孤立森林模型得到的交通出行方式识别模型与随机森林模型在样本中不同噪点比例情况下的预测结果对比示意图。

具体实施方式

本发明提出了一种鲁棒性的居民出行轨迹识别方法，如图1所示，并对北京市的居民出行GPS轨迹进行了实际应用。结合北京市的公交线路数据，引入Fréchet距离地理特征，对北京市居民出行GPS轨迹进行特征提取，以此构建子孤立森林模型，并设置接收阈值作为正常阈值与子孤立森林模型输出的评分值进行比较，从而达到对居民出行轨迹的交通方式进行有效识别，并有效的剔除噪点数据。

本发明的鲁棒性的居民出行轨迹识别方法，包括以下步骤：

步骤1，获取北京市公交线路信息，构建北京市公交网络，得到北京市所有公交线路的公交线节点的经度和纬度信息。

步骤2，获取已经进行各种交通出行方式标定的轨迹数据作为训练样本，将训练样本按不同交通出行方式进行分类。其中，轨迹数据由若干个轨迹点连接而成，每个轨迹点由GPS 记录用户在不同时刻所在位置的经纬度信息，所述经纬度信息包括用户编码、经度、纬度和时间；已知标定的交通出行方式包括步行、自行车出行、公交车出行、小汽车出行和地铁出行五种交通出行方式。另外，本实施例采用居民出行的GPS轨迹数据为2007年至2012年的志愿者出行轨迹数据，各种交通出行方式的轨迹数量如图2所示。

步骤3，提取每段轨迹数据训练样本的基本特征和地理特征这两类特征参数，其中基本特征包括速度参数、加速度参数和转角参数，地理特征为与公交轨迹相关的特征。

每段用户轨迹数据由多个GPS记录点(即轨迹点)组成，形式为{r₁,r₂,…r_i,…r_n}，每连续两个GPS记录点根据其时间和距离间隔的关系可以计算一次速度值，其中第i个轨迹点r_i的速度v_i的计算公式为：v_i为第i个轨迹点的速度，d_i为第i个轨迹点与第i-1个轨迹点间的地理距离，t_i为第i个轨迹点与第i-1个轨迹点间的时间间隔，从而可以计算得到轨迹数据{r₁,r₂,…r_i,…r_n}的n-1个速度值。

每连续三个GPS记录点可以计算连续两次速度值，通过相邻两次速度值与时间的关系可以计算一次加速度值，第i个轨迹点的加速度a_i的计算公式为：从而可以计算得到轨迹数据{r₁,r₂,…r_i,…r_n}的n-2个加速度值。

每连续两个GPS记录点根据其行驶方向可以计算一次行驶方位角(行驶方向与正北方向的夹角)，转角为后一行驶方位角与前一行驶方位角的差值，第i个轨迹点的转角值h_i的计算公式为：h_i＝|H_i-H_i-1|，H_i为第i个轨迹点的行驶方位角，从而可以计算得到轨迹数据 {r₁,r₂,…r_i,…r_n}的n-1个转角值。

对于每段轨迹数据，由于轨迹点数量较多，因此可以计算获取多个速度、加速度与转角值，因此本实施例将中位速度和75分位速度作为轨迹数据的速度参数，将中位加速度作为轨迹数据的加速度参数，将中位转角值作为轨迹数据的转角参数，即将中位速度、75分位速度、中位加速度和中位转角值作为本实施例中轨迹数据的基本特征。

其中，中位速度和75分位速度是指，将n-1个速度值按从小到大的顺序排列，取位置位于50％比例处的速度或位于50％比例处前后两个速度值的平均值即为中位速度，取位置位于 75％比例处或位于75％比例前后两个速度值的平均值即为75分位速度。中位加速度是指，将 n-2个加速度值按从小到大的顺序排列，取位置位于50％比例处的加速度或位于50％比例处前后两个加速度值的平均值为中位加速度值。中位转角值是指，将n-1个转角值按从小到大的顺序排列，取位置位于50％比例处的转角值或位于50％比例处前后两个转角值的平均值为中位转角值。

本实施例的地理特征采用Fréchet距离特征。由于一般公交车在速度和加速度等很多行驶特性上与小汽车非常相近，因此公交车出行与小汽车出行这两种交通出行方式的轨迹数据较易混淆，本发明通过提取轨迹数据的Fréchet距离特征，可以提高轨迹数据对应的公交出行方式的识别精度。

一般，每段轨迹数据都具有若干条同轨迹公交线路。同轨迹公交线路是指：取与轨迹数据第一个轨迹点距离最小的公交线节点作为起始点，取与轨迹数据最后一个轨迹点距离最小的公交线节点作为终点，起始点和终点之间的所有公交线路构成轨迹数据的若干条同轨迹公交线路。

现设轨迹数据为曲线P＝u₁,u₂…u_p，u₁,u₂…u_p表示轨迹数据P中的p个轨迹点；轨迹数据P的其中一条同轨迹公交线路为曲线Q＝w₁,w₂…w_q，w₁,w₂…w_q表示同轨迹公交线路Q中的q个公交线节点，则轨迹数据P与同轨迹公交线路Q之间的Fréchet距离的计算公式为：

式中，d(u_i,w_j)表示轨迹数据P的轨迹点u_i与同轨迹公交线路Q的公交线节点w_j之间的距离度量函数。

同理计算轨迹数据P与其他同轨迹公交线路之间的Fréchet距离，然后全部Fréchet距离中的最小值即为轨迹数据P的Fréchet距离特征。

在本实施例中，对同一种交通出行方式的n个轨迹训练样本提取的特征参数组成训练样本特征矩阵X_训练：

步骤4，将所有训练样本的特征参数，根据训练样本所对应的交通出行方式，输入到不同的孤立森林模型中，构建多个分别与交通出行方式对应的子孤立森林模型。

孤立森林模型为一种无监督学习的异常点检测模型，每个模型由多棵孤立树组成，孤立树由训练样本构建得到。本发明中，将同一种交通出行方式的所有训练样本的特征参数，输入到一个孤立森林模型中，得到若干棵孤立树，然后所有孤立树组成与该种交通出行方式对应的子孤立森林模型。由于本实施例已知交通出行方式包括步行、自行车出行、公交车出行、小汽车出行和地铁出行这五种交通出行方式，因此分别得到五个分别与五种交通出行方式对应的子孤立森林模型。

步骤5，将得到的五个子孤立森林模型的组合统称为交通出行方式识别模型，并设定接收阈值。对于接收阈值的设定，在经过不同阈值取值的模型测试效果之后，发现当接收阈值为-0.05时，效果达到较优，如图3所示。故本实施例设定接收阈值为-0.05。

步骤6，获取待识别的轨迹数据，按步骤3相同的方法提取待识别的轨迹数据的特征参数。

步骤7，将待识别的轨迹数据的特征参数，输入到交通出行方式识别模型的所有子孤立森林模型中，每个子孤立森林模型输出评分值。

对于待识别的轨迹数据，每个子孤立森林模型都会综合其所有孤立树的检测结果从而得到该待识别的轨迹数据的异常分值，通过转换将输出信息变为正常的评分值，即0.05-异常分值；评分值越低表明轨迹数据越异常。五个子孤立森林模型分别得到待识别的轨迹数据的评分值。

步骤8，比较待识别的轨迹数据的五个评分值：若所有评分值均小于接收阈值，则认为待识别的轨迹数据异常，不属于已知交通出行方式中的任意一种，将待识别的轨迹数据认定为噪点轨迹，对其进行剔除；否则将输出最高评分值的子孤立森林所对应的交通出行方式，认定为待识别的轨迹数据的交通出行方式。

另外，由于小汽车出行的轨迹数据训练样本也较难获取，而一般出租车都会安装GPS设备，且出租车出行可模拟小汽车出行方式，因此为降低训练样的采集难度，本发明用于小汽车出行识别的子孤立森林模型的训练样本，可采用出租车安装的GPS设备以采集轨迹数据来作为训练样本，训练与小汽车出行对应的子孤立森林模型。

在本实施例中，为保证训练得到的交通出行方式识别模型在测试其预测精度时的稳定性，采用五折交叉验证的方式对模型进行训练和验证，将总样本平均分为5份，其中每4份作为一组训练样本，另外一份则作为测试样本，运算5次后取平均结果作为交通出行方式识别模型的综合测试结果；并重复运行50次取平均值，得到模型稳定的测试结果，从而评估本发明方案的居民出行轨迹识别方法的识别精度。

其中，训练样本的特征矩阵X_训练、测试样本的特征矩阵X_测试和测试样本输出矩阵Y_测试分别表示为：

Y_测试＝model.fit(X_训练).predict(X_测试)，

式中，n为轨迹数据训练样本的个数，m为轨迹数据测试样本的个数。

将五种不同的交通出行方式所对应的子孤立森林模型的组合，统称为交通出行方式识别模型；然后对交通出行方式识别模型的测试效果的度量，通过准确率ACC、精确率P与召回率R这3个指标进行评估，该3个指标分别通过下式计算：

式中：TP表示实际为正例，预测结果也为正例的样本个数；TN表示实际为负例，预测结果也为负例的样本个数；FP表示实际为负例，预测结果为正例的样本个数；FN表示实际为正例，预测结果为负例的样本个数。

在对交通出行方式识别模型的测试阶段，除了图2所示的轨迹数据外，另有193条噪点轨迹(包括跑步、摩托车、火车和飞机出行等轨迹，原数据中已存在的)，对模型进行五折交叉验证，并运算50次取平均值，所得每类轨迹数据的预测结果如图4所示。

对于随机森林等机器学习模型，它们能实现对轨迹的分类但无法识别噪点，因为它们在模型测试阶段所输出的结果(轨迹的交通出行方式预测值)必然是模型训练阶段所训练的交通方式之一(比如模型训练阶段训练了5类轨迹，当对测试样本进行测试时，测试样本必然会被识别为这5类轨迹其中的一类，如果测试样本不属于这5类轨迹之一，那么其便会被错误的识别)。将本发明基于孤立森林模型得到的交通出行方式识别模型，与随机森林模型在不同噪点比例情况下的预测结果进行了对比，所得结果如图5所示，可以看出，随着噪点比例的增加，随机森林模型的预测效果会大幅下降，相对来说，本发明所提出的基于孤立森林的交通出行方式识别模型则非常稳定，通过设定接收阈值能够较好的适应样本中的噪点，该方法具有鲁棒性。

Claims (10)

1.一种鲁棒性的居民出行轨迹识别方法，其特征在于，包括以下步骤：

步骤一，构建训练样本集，训练交通出行方式识别模型；

步骤A1，获取已知交通出行方式的轨迹数据，作为训练样本；

步骤A2，提取轨迹数据训练样本的特征参数；

步骤A3，将所有训练样本的特征参数，输入到按训练样本的交通出行方式分类的不同的孤立森林模型中，构建多个分别与交通出行方式对应的子孤立森林模型；

步骤A4，设定接收阈值；

步骤二；根据待识别的轨迹数据，识别交通出行方式；

步骤B1，获取待识别的轨迹数据，提取待识别的轨迹数据的特征参数；

步骤B2，将待识别的轨迹数据的特征参数，输入到所有子孤立森林模型中，每个子孤立森林模型输出评分值；

步骤B3，比较每个子孤立森林模型输出的评分值：若所有评分值均小于接收阈值，则认为待识别的轨迹数据异常，不属于已知交通出行方式中的任意一种；否则将输出最高评分值的子孤立森林所对应的交通出行方式，认定为待识别的轨迹数据的交通出行方式。

2.根据权利要求1所述的方法，其特征在于，轨迹数据的特征参数包括速度参数、加速度参数和转角参数。

3.根据权利要求2所述的方法，其特征在于，所述速度参数包括轨迹数据中所有轨迹点的速度中的中位速度和75分位速度，所述加速度参数是指轨迹数据中所有轨迹点的加速度中的中位加速度，所述转角参数是指轨迹数据中所有轨迹点的转角值中的中位转角值；其中，第i个轨迹点的速度v_i、加速度a_i和转角值h_i的计算公式分别为：

h_i＝|H_i-H_i-1|，

式中，d_i为第i个轨迹点与第i-1个轨迹点间的地理距离，t_i为第i个轨迹点与第i-1个轨迹点间的时间间隔，H_i为第i个轨迹点的行驶方位角。

4.根据权利要求1所述的方法，其特征在于，所述轨迹数据的特征参数包括Fréchet距离特征，所述轨迹数据具有若干条同轨迹公交线路，其中轨迹数据P与各条同轨迹公交线路Q之间的Fréchet距离的计算公式为：

式中，u₁,u₂…u_p表示轨迹数据P中的p个轨迹点，w₁,w₂…w_q表示同轨迹公交线路Q中的q个公交线节点，d(u_i,w_j)表示轨迹数据P的轨迹点u_i与同轨迹公交线路Q的公交线节点w_j之间的距离度量函数；

计算轨迹数据P与所有同轨迹公交线路的Fréchet距离，将得到的最小值作为轨迹数据P的Fréchet距离特征。

5.根据权利要求4所述的方法，其特征在于，公交线路由公交线节点连接而成，公交线节点包括经度和纬度信息；在步骤1之前包括：获取城市公交线路信息，构建城市公交网络，得到用于计算Fréchet距离的城市所有公交线节点。

6.根据权利要求5所述的方法，其特征在于，所述同轨迹公交线路是指，取与轨迹数据第一个轨迹点距离最小的公交线节点作为起始点，取与轨迹数据最后一个轨迹点距离最小的公交线节点作为终点，起始点和终点之间的所有公交线路构成轨迹数据的若干条同轨迹公交线路。

7.根据权利要求1所述的方法，其特征在于，所述接收阈值为-0.05。

8.根据权利要求1所述的方法，其特征在于，所述已知交通出行方式包括步行、自行车出行、公交车出行、小汽车出行和地铁出行五种交通出行方式。

9.根据权利要求1所述的方法，其特征在于，所述轨迹数据由若干个轨迹点连接而成，每个轨迹点由GPS记录用户在不同时刻所在位置的经纬度信息，所述经纬度信息包括用户编码、经度、纬度和时间。

10.根据权利要求1所述的方法，其特征在于，训练得到子孤立森林模型的过程为：同一种交通出行方式的所有训练样本的特征参数构建得到若干棵孤立树，所有孤立树组成子孤立森林模型。