CN110555992B - 一种基于gps轨迹数据的出租车行驶路径信息提取方法 - Google Patents
一种基于gps轨迹数据的出租车行驶路径信息提取方法 Download PDFInfo
- Publication number
- CN110555992B CN110555992B CN201910858069.0A CN201910858069A CN110555992B CN 110555992 B CN110555992 B CN 110555992B CN 201910858069 A CN201910858069 A CN 201910858069A CN 110555992 B CN110555992 B CN 110555992B
- Authority
- CN
- China
- Prior art keywords
- point
- points
- taxi
- track
- road
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 6
- 230000029305 taxis Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于GPS轨迹数据的出租车行驶路径信息提取方法,包括如下步骤:(1)数据预处理;(2)出租车行驶路径OD点的提取;(3)出租车行驶轨迹识别;(4)基于距离、方向、可达性准则的地图匹配,步骤(3)中提取出的出租车行驶轨迹中各轨迹点为进行地图匹配的待匹配点;(5)出租车行驶路径重构。本发明提供了一种基于GPS轨迹数据的出租车行驶路径信息提取方法。在GPS定位存在误差、部分数据质量不高的条件下,该方法能准确地提取出租车OD点、重构出租车空载和载客行驶路径,从而完成出租车行驶路径信息的提取,且重构结果准确度均大于75%。
Description
技术领域
本发明涉及交通规划与管理技术领域。具体地说是一种基于GPS轨迹数据的出租车行驶路径信息提取方法。
背景技术
出租车是城市交通的重要组成部分,随着城市化进程的加快,出租车出行在城市交通出行中占据的比例越来越大。出租车作为一种主观性强且没有固定时间、地点、路线,充分满足乘客个性化出行意愿的交通运输工具,其日常行驶行为中蕴含着海量的信息,不仅能够反映出租车司机个体的寻客及路径选择经验,而且能反映城市功能分布、道路结构及交通状况,对出租车规划管理及城市交通状态估计、交通基础设施建设等均具有重要的理论和应用价值。出租车行驶信息提取进而挖掘分析车租车行驶特征,最终服务于城市及交通规划已经成为当前的热点研究,而作为整个研究链的基础,如何快速准确的进行出租车行驶信息提取是关键。
由于技术的局限性,传统的出租车行驶路径信息获取主要通过问卷调查、行为实验等手段,虽然基于此,学者们也取得了一定的研究成果,但此类研究存在样本数量明显不足、信息采集方式耗时耗力且相对粗放等诸多问题,严重阻碍出租车出行特征研究的深入探索。
随着科技的日益进步,GPS定位技术得到了快速发展,几乎所有的出租车都装载了GPS定位设备,车载GPS的普遍使用为研究工作者们提供了大量的移动定位数据,数据集包含出租车的车牌号码,行驶时间,行驶速度,载客状态,行驶位置(经纬度)等信息。另外相比于传统数据获取手段,出租车GPS定位数据获取具有成本低,数据真实,定位精度高,覆盖范围广,时态特性强等优势,如果能通过海量的GPS轨迹数据准确快速地获取大范围、大数据量的出租车出行路径信息必然会极大的推进该领域的研究进程,更好的为城市及交通规划提供数据支撑和策略建议。
发明内容
为此,本发明所要解决的技术问题在于一种基于GPS轨迹数据的出租车行驶路径信息提取方法,能通过海量的GPS轨迹数据准确快速地获取大范围、大数据量的出租车出行路径信息。
为解决上述技术问题,本发明提供如下技术方案:一种基于GPS轨迹数据的出租车行驶路径信息提取方法,其特征在于,包括如下步骤:
(1)数据预处理;
(2)出租车行驶路径OD点的提取;
(3)出租车行驶轨迹识别;
(4)基于距离、方向、可达性准则的地图匹配,步骤(3)中提取出的出租车行驶轨迹中各轨迹点为进行地图匹配的待匹配点;
(5)出租车行驶路径重构。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(1)中,对原始GPS轨迹数据进行预处理,剔除重复、格式错误、属性缺失和属性异常的不规范数据;并将轨迹点坐标从WGS-84坐标系转换为UTM投影坐标系。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(2)中,出租车行驶路径OD点是指出租车运行中的上车点和下车点,出租车一天的完整行驶路径包括多个OD点对,是出租车空载客状态变换点;综合原始GPS轨迹数据中的载客状态字段值和DBSCAN算法,精确提取出租车行驶路径OD点;
GPS轨迹数据中的载客状态字段值包括0和1两个值;如果满足GPS轨迹数据载客状态字段值由0变为1,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客上车点,并根据公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;如果满足GPS轨迹数据载客状态字段值由1变为0,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客下车点,同样根据公式公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(2)中,DBSCAN算法步骤如下;
假定数据集D={X1,X2,…Xi,…,Xn},其中Xi是一个轨迹点;
参数Minpts:给定点在E领域内成为核心对象的最小领域点数;
参数Eps:对象半径;
参数Eps领域:给定对象半径Eps内的邻域称为该对象的Eps邻域;
用NEps(Xi)表示点Xi的Eps半径内的点的集合;
DBSCAN算法具体步骤:
(DBSCAN-1)搜索数据集D中未被处理轨迹点Xi,如果Xi既没有归入某个簇,也没有标记为噪声,检查轨迹点Xi的Eps领域NEps(Xi),如果NEps(Xi)包含轨迹点数大于或等于Minpts,建立新点簇C,并将在Xi领域内的所有点加入点簇C,并把Xi标记为已处理状态;
(DBSCAN-2)新建的点簇C中,Xi邻域内的点为q;逐个遍历点簇C中所有未被处理的点q,检查未被处理的点q邻域的点,如果未被处理的点q的邻域内包含轨迹点数大于或等于Minpts,把未被处理的点q领域内的所有点加入点簇C中;
(DBSCAN-3)重复(DBSCAN-2)继续搜索点簇C中未被处理的点q,直到点簇C中所有的候选点都被处理;
(DBSCAN-4)重复步骤(DBSCAN-1)、步骤(DBSCAN-2)和步骤(DBSCAN-3),直到数据集D中的所有点被分类到一个簇,或者被标记为噪音。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(3)中,出租车行驶轨迹包括空载行驶轨迹和载客行驶轨迹;根据步骤(2)中提取的出租车空载和载客行驶路径OD点,按照GPS轨迹点数据的时间属性,识别出租车空载和载客各OD段轨迹点。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(4)中的距离判断方法如下:
通过计算待匹配点到道路的距离寻找匹配点所属道路,其中距离阈值由GPS的定位精度确定;以待匹配点的位置为中心,R为半径创建一个圆形缓冲区,R的取值设置为车载GPS定位误差精度的二倍,如果落在缓冲区内的道路数量Countroad=1,完成地图匹配;如果落在缓冲的道路数量Countroad>1,则继续进行方向判断。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(4)中的方向判断方法如下:
计算待匹配点的方向属性值与道路方向的角度差值,与设定角度阈值15°比较,考虑到道路通行方向存在单向通行道记为r=0和双向通行道记为r=1,所以夹角的计算公式(Ⅲ)如下:
θl:候选路段的通行方向;
θp:出租车行驶方向;
Δθ:候选路段的通行方向与出租车行驶方向的夹角;
对于距离匹配后得到的待匹配路段集合L={li|i=1,...,n},分别计算其中每条道路的通行方向记为集合Φ={θl|l=1,...,n},所有道路通行方向与出租车原始轨迹点的瞬时方向的差记为集合Θ={Δθl|l=1,...,n},按照夹角的阈值筛选出符合条件的道路段如果小于设定角度阈值的道路数量Countroad=1,说明这一条道路就是待匹配所属道路,完成地图匹配;如果小于角度阈值的道路数量Countroad>1,则继续进行可达性判断。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(4)中的可达性判断方法如下:
首先通过Dijkstra最短路径算法计算上一匹配好的点与当前待匹配点可能所在道路的对应点之间行驶可达距离,进而计算两点间平均速度,其计算公式(Ⅳ)为:
v:出租车在两点之间行驶的平均速度;
d:两点之间的可达性距离;
Δt:出租车相邻两定位点之间的时间间隔;
通过计算出的两点间的平均速度与城市道路的限速值a做比较,来判断前后两定位点之间可达性,从而将待匹配点匹配到正确的道路上,完成地图匹配;若没有符合条件的道路则地图匹配失败,接着对下一待匹配点进行地图匹配。
上述基于GPS轨迹数据的出租车行驶路径信息提取方法,在步骤(5)中,行驶轨迹点完成地图匹配之后,即可进行出租车行驶路径重构;对相邻轨迹点的匹配路段为同一路段的情况,把两轨迹点连接起来;对相邻轨迹点匹配路段不同的情况,采用Dijkstra最短路径算法求解两相邻轨迹点中间的最短路径,从而重构出出租车行驶路径。
本发明的技术方案取得了如下有益的技术效果:
本发明具有以下三个特点:一、结合原始GPS轨迹数据中的载客状态字段值和DBSCAN算法,精确提取出租车行驶路径OD点;二、提出了基于距离、方向、可达性准则的地图匹配方法;三、在对相邻轨迹点之间已匹配路段不同的情况,利用Dijkstra最短路径算法重构出租车行驶路径。
本发明提供的种基于GPS轨迹数据的出租车行驶路径信息提取方法,在GPS定位存在误差、部分数据质量不高的条件下,该方法能准确地提取出租车OD点、重构出租车空载和载客行驶路径,从而完成出租车行驶路径信息的提取,且重构结果准确度均大于75%。
附图说明
图1本发明基于GPS轨迹数据的出租车行驶路径信息提取方法的流程图;
图2本发明实施例采用的北京市路网数据;
图3本发明实施例提取出的出租车运营过程的上车点位置;
图4本发明实施例提取出的出租车运营过程的下车点位置;
图5本发明实施例重构出的路径;
图6本发明实施例重构出的路径中的一条示例。
具体实施方式
本实施例的基于GPS轨迹数据的出租车行驶路径信息提取方法用于图2所示北京市路网数据。
北京市路网数据:共计152217条边,93110个道路节点。
基本字段信息包括:路段ID、路段名称、起始节点ID、终止节点ID、路段长度、通行方向、道路等级等(道路字段信息样例如表1所示)。
表1
根据出租车上安装的GPS定位装置所获取的数据,其基本字段信息包括:车辆标识、时间戳、经度、纬度、方向、速度、载客状态(出租车轨迹数据样例见如表2所示)。
表2
在获取上述输入数据后,以一辆出租车A的10天完整路径重构为例,流程图如图1所示。
具体步骤如下:
(1)数据预处理
对原始GPS轨迹数据进行预处理,剔除重复、格式错误、范围越界、属性缺失、属性异常的不规范数据;将轨迹点坐标从WGS-84坐标系转换为UTM投影坐标系;
(2)出租车行驶路径OD点的提取
通过遍历出租车A的GPS轨迹点,根据出租车A的载客状态字段值结合DBSCAN算法,提取出租车行驶路径OD点(乘客上车点位置如图3;乘客下车点位置如图4);
DBSCAN算法步骤如下;
假定数据集D={X1,X2,…Xi,…,Xn},其中Xi是一个轨迹点;
参数Minpts:给定点在E领域内成为核心对象的最小领域点数;
参数Eps:对象半径;
参数Eps领域:给定对象半径Eps内的邻域称为该对象的Eps邻域;
用NEps(Xi)表示点Xi的Eps半径内的点的集合;
(DBSCAN-1)搜索数据集D中未被处理轨迹点Xi,如果Xi既没有归入某个簇,也没有标记为噪声,检查轨迹点Xi的Eps领域NEps(Xi),如果NEps(Xi)包含轨迹点数大于或等于Minpts,建立新点簇C,并将在Xi领域内的所有点加入点簇C,并把Xi标记为已处理状态;
(DBSCAN-2)新建的点簇C中,Xi邻域内的点为q;逐个遍历点簇C中所有未被处理的点q,检查未被处理的点q邻域的点,如果未被处理的点q的邻域内包含轨迹点数大于或等于Minpts,把未被处理的点q领域内的所有点加入点簇C中;
(DBSCAN-3)重复(DBSCAN-2)继续搜索点簇C中未被处理的点q,直到点簇C中所有的候选点都被处理;
(DBSCAN-4)重复步骤(DBSCAN-1)、步骤(DBSCAN-2)和步骤(DBSCAN-3),直到数据集D中的所有点被分类到一个簇,或者被标记为噪音。
GPS轨迹数据中的载客状态字段值包括0和1两个值;如果满足GPS轨迹数据载客状态字段值由0变为1,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客上车点,并根据公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;如果满足GPS轨迹数据载客状态字段值由1变为0,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客下车点,同样根据公式公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;
(3)出租车行驶轨迹识别
出租车行驶轨迹包括空载行驶轨迹和载客行驶轨迹;根据步骤(2)中提取的出租车空载和载客行驶路径OD点,按照GPS轨迹数据的时间属性,提取出出租车空载和载客各段行驶轨迹片段;
(4)基于距离、方向、可达性准则的地图匹配
(4-1)距离判断
以出租车空载和载客行驶轨迹点(待匹配点)为圆心构成缓冲区,缓冲区半径为40米。如果落在缓冲区的道路数量Countroad=1,则完成地图匹配;如果落在缓冲区的道路数量Countroad>1,则进入步骤(4-2)中的方向判断;
(4-2)方向判断
根据数据集包含出租车速度方向的字段,计算出候选路段的通行方向与出租车A行驶方向之间的夹角,并以15°为阈值进一步筛选出符合条件的道路段;如果满足方向条件的道路数量Countroad=1,则完成地图匹配;如果满足方向条件的道路数量Countroad>1,则进入步骤(4-3)中的可达性判断;
具体计算方法为:考虑到道路通行方向存在单向通行道记为r=0和双向通行道记为r=1,所以夹角的计算公式(Ⅲ)如下:
θl:候选路段的通行方向;
θp:出租车行驶方向;
Δθ:候选路段的通行方向与出租车行驶方向的夹角;
对于距离匹配后得到的待匹配路段集合L={li|i=1,...,n},分别计算其中每条道路的通行方向记为集合Φ={θl|l=1,...,n},所有道路通行方向与出租车原始轨迹点的瞬时方向的差记为集合Θ={Δθl|l=1,...,n},按照夹角的阈值筛选出符合条件的道路段如果小于设定角度阈值的道路数量Countroad=1,说明这一条道路就是待匹配所属道路,完成地图匹配;如果小于设定角度阈值的道路数量Countroad>1,则继续进行可达性判断。
(4-3)可达性判断
通过Dijkstra最短路径算法计算上一匹配好的点与当前待匹配点可能所在道路的对应点之间行驶可达距离进而计算两点间平均速度;
其计算公式(Ⅳ)为:
v:出租车在两点之间行驶的平均速度;
d:两点之间的可达性距离;
Δt:出租车相邻两定位点之间的时间间隔;
把两点间平均速度与城市道路的限速值a做比较,来判断前后两定位点之间可达性,从而将待匹配点匹配到正确的道路上,完成地图匹配;若没有符合条件的道路则地图匹配失败,接着对下一待匹配点进行地图匹配;
(5)出租车行驶路径重构
把出租车A行驶轨迹点匹配到正确的道路上之后,即可进行出租车行驶路径重构;对相邻轨迹点的匹配路段为同一路段的情况,把两轨迹点连接起来;对相邻轨迹点匹配路段不同的情况,采用Dijkstra最短路径算法求解两相邻轨迹点中间的最短路径,从而重构出出租车行驶路径,结果如图5;并选择一条示例结果展示,见图6。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本专利申请权利要求的保护范围之中。
Claims (1)
1.一种基于GPS轨迹数据的出租车行驶路径信息提取方法,其特征在于,包括如下步骤:
(1)数据预处理;
对原始GPS轨迹数据进行预处理,剔除重复、格式错误、属性缺失和属性异常的不规范数据;并将轨迹点坐标从WGS-84坐标系转换为UTM投影坐标系;
(2)出租车行驶路径OD点的提取;
出租车行驶路径OD点是指出租车运行中的上车点和下车点,出租车一天的完整行驶路径包括多个OD点对,是出租车空载客状态变换点;综合原始GPS轨迹数据中的载客状态字段值和DBSCAN算法,精确提取出租车行驶路径OD点;
GPS轨迹数据中的载客状态字段值包括0和1两个值;如果满足GPS轨迹数据载客状态字段值由0变为1,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客上车点,并根据公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;如果满足GPS轨迹数据载客状态字段值由1变为0,且位于DBSCAN算法提取出的高密度点簇内,则识别出乘客下车点,同样根据公式(Ⅰ)和公式(Ⅱ)计算出乘客上车点坐标;
DBSCAN算法步骤如下;
假定数据集D={X1,X2,…Xi,…,Xn},其中Xi是一个轨迹点;
参数Minpts:给定点在E领域内成为核心对象的最小领域点数;
参数Eps:对象半径;
参数Eps领域:给定对象半径Eps内的邻域称为该对象的Eps邻域;
用NEps(Xi)表示点Xi的Eps半径内的点的集合;
DBSCAN算法具体步骤:
(DBSCAN-1)搜索数据集D中未被处理轨迹点Xi,如果Xi既没有归入某个簇,也没有标记为噪声,检查轨迹点Xi的Eps领域NEps(Xi),如果NEps(Xi)包含轨迹点数大于或等于Minpts,建立新点簇C,并将在Xi领域内的所有点加入点簇C,并把Xi标记为已处理状态;
(DBSCAN-2)新建的点簇C中,Xi邻域内的点为q;逐个遍历点簇C中所有未被处理的点q,检查未被处理的点q邻域的点,如果未被处理的点q的邻域内包含轨迹点数大于或等于Minpts,把未被处理的点q领域内的所有点加入点簇C中;
(DBSCAN-3)重复(DBSCAN-2)继续搜索点簇C中未被处理的点q,直到点簇C中所有的候选点都被处理;
(DBSCAN-4)重复步骤(DBSCAN-1)、步骤(DBSCAN-2)和步骤(DBSCAN-3),直到数据集D中的所有点被分类到一个簇,或者被标记为噪音;
(3)出租车行驶轨迹识别;
出租车行驶轨迹包括空载行驶轨迹和载客行驶轨迹;根据步骤(2)中提取的出租车空载和载客行驶路径OD点,按照GPS轨迹点数据的时间属性,识别出租车空载和载客各OD段轨迹点;
(4)基于距离、方向、可达性准则的地图匹配,步骤(3)中提取出的出租车行驶轨迹中各轨迹点为进行地图匹配的待匹配点;
在步骤(4)中的距离判断方法如下:
通过计算待匹配点到道路的距离寻找匹配点所属道路,其中距离阈值由GPS的定位精度确定;以待匹配点的位置为中心,R为半径创建一个圆形缓冲区,R的取值设置为车载GPS定位误差精度的二倍,如果落在缓冲区内的道路数量Countroad=1,完成地图匹配;如果落在缓冲的道路数量Countroad>1,则继续进行方向判断;
在步骤(4)中的方向判断方法如下:
计算待匹配点的方向属性值与道路方向的角度差值,与设定角度阈值15°比较,考虑到道路通行方向存在单向通行道记为r=0和双向通行道记为r=1,所以夹角的计算公式(Ⅲ)如下:
θl:候选路段的通行方向;
θp:出租车行驶方向;
Δθ:候选路段的通行方向与出租车行驶方向的夹角;
对于距离匹配后得到的待匹配路段集合L={li|i=1,...,n},分别计算其中每条道路的通行方向记为集合Φ={θl|l=1,...,n},所有道路通行方向与出租车原始轨迹点的瞬时方向的差记为集合Θ={Δθl|l=1,...,n},按照夹角的阈值筛选出符合条件的道路段如果小于设定角度阈值的道路数量Countroad=1,说明这一条道路就是待匹配所属道路,完成地图匹配;如果小于角度阈值的道路数量Countroad>1,则继续进行可达性判断;
在步骤(4)中的可达性判断方法如下:
首先通过Dijkstra最短路径算法计算上一匹配好的点与当前待匹配点可能所在道路的对应点之间行驶可达距离,进而计算两点间平均速度,其计算公式(Ⅳ)为:
v:出租车在两点之间行驶的平均速度;
d:两点之间的可达性距离;
Δt:出租车相邻两定位点之间的时间间隔;
通过计算出的两点间的平均速度与城市道路的限速值a做比较,来判断前后两定位点之间可达性,从而将待匹配点匹配到正确的道路上,完成地图匹配;若没有符合条件的道路则地图匹配失败,接着对下一待匹配点进行地图匹配
(5)出租车行驶路径重构:
行驶轨迹点完成地图匹配之后,即可进行出租车行驶路径重构;对相邻轨迹点的匹配路段为同一路段的情况,把两轨迹点连接起来;对相邻轨迹点匹配路段不同的情况,采用Dijkstra最短路径算法求解两相邻轨迹点中间的最短路径,从而重构出出租车行驶路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910858069.0A CN110555992B (zh) | 2019-09-11 | 2019-09-11 | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910858069.0A CN110555992B (zh) | 2019-09-11 | 2019-09-11 | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110555992A CN110555992A (zh) | 2019-12-10 |
CN110555992B true CN110555992B (zh) | 2021-05-28 |
Family
ID=68739914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910858069.0A Active CN110555992B (zh) | 2019-09-11 | 2019-09-11 | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555992B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524354B (zh) * | 2020-04-29 | 2021-02-05 | 中南大学 | 基于语言模型的城市交通网络路径选择行为的预测方法、系统、介质及设备 |
CN111966770A (zh) * | 2020-07-21 | 2020-11-20 | 中国地质大学(武汉) | 一种基于地理语义词嵌入的城市街道功能识别方法和系统 |
CN111982141B (zh) * | 2020-07-31 | 2022-09-13 | 长安大学 | 一种面向低频车辆轨迹数据进行路径推断的方法、设备及存储介质 |
CN112255652A (zh) * | 2020-11-26 | 2021-01-22 | 中铁第五勘察设计院集团有限公司 | 一种北斗车辆定位数据和铁路线路数据的匹配方法及系统 |
CN112327338B (zh) * | 2021-01-05 | 2021-03-30 | 长安大学 | 一种快速车载gps轨迹精确地图匹配的方法 |
CN113739814B (zh) * | 2021-08-27 | 2023-09-26 | 南通大学 | 一种基于出租车轨迹序列的乘客下客点提取优化方法 |
CN114139251B (zh) * | 2021-11-14 | 2023-01-17 | 深圳市规划国土发展研究中心 | 一种边境地区陆路口岸整体布局方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212160A (ja) * | 2002-12-27 | 2004-07-29 | Matsushita Electric Ind Co Ltd | 経路検索装置及び車輌内環境変化用装置 |
CN103218915A (zh) * | 2013-03-05 | 2013-07-24 | 中山大学 | 一种基于浮动车数据的经验路径生成方法 |
CN104700646A (zh) * | 2015-03-31 | 2015-06-10 | 南京大学 | 一种基于在线gps数据的出租车异常轨迹实时检测方法 |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 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 |
CN105261212A (zh) * | 2015-09-06 | 2016-01-20 | 中山大学 | 一种基于出租车gps数据地图匹配的出行时空分析方法 |
US9292800B2 (en) * | 2012-11-09 | 2016-03-22 | International Business Machines Corporation | Statistical estimation of origin and destination points of trip using plurality of types of data sources |
CN106767873A (zh) * | 2016-12-30 | 2017-05-31 | 浙江大学 | 一种基于时空的地图匹配方法 |
CN107229682A (zh) * | 2017-05-10 | 2017-10-03 | 东南大学 | 一种基于大型数据库的出租车位置数据处理方法 |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
-
2019
- 2019-09-11 CN CN201910858069.0A patent/CN110555992B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004212160A (ja) * | 2002-12-27 | 2004-07-29 | Matsushita Electric Ind Co Ltd | 経路検索装置及び車輌内環境変化用装置 |
US9292800B2 (en) * | 2012-11-09 | 2016-03-22 | International Business Machines Corporation | Statistical estimation of origin and destination points of trip using plurality of types of data sources |
CN103218915A (zh) * | 2013-03-05 | 2013-07-24 | 中山大学 | 一种基于浮动车数据的经验路径生成方法 |
CN104700646A (zh) * | 2015-03-31 | 2015-06-10 | 南京大学 | 一种基于在线gps数据的出租车异常轨迹实时检测方法 |
CN104778274A (zh) * | 2015-04-23 | 2015-07-15 | 山东大学 | 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 |
CN105261212A (zh) * | 2015-09-06 | 2016-01-20 | 中山大学 | 一种基于出租车gps数据地图匹配的出行时空分析方法 |
CN106767873A (zh) * | 2016-12-30 | 2017-05-31 | 浙江大学 | 一种基于时空的地图匹配方法 |
CN107229682A (zh) * | 2017-05-10 | 2017-10-03 | 东南大学 | 一种基于大型数据库的出租车位置数据处理方法 |
CN110222131A (zh) * | 2019-05-21 | 2019-09-10 | 北京交通大学 | 起讫信息提取方法及装置 |
Non-Patent Citations (7)
Title |
---|
基于GPS轨迹的道路拓扑构建和路径选择方法研究;谭康;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160315;C034-658 * |
基于低频浮动车数据的实时地图匹配算法;姚恩建;《北京工业大学学报》;20130630;909-913 * |
基于出租车轨迹数据挖掘的居民出行特征研究;蔡柳;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180415;C034-742 * |
基于出租车轨迹数据的OD经验轨迹分析;王博然;《中国优秀硕士学位论文全文数据库 基础科学辑》;20190115;A002-72 * |
基于步行GPS轨迹的路网提取研究;欧阳鸿;《中国优秀硕士学位论文全文数据库 基础科学辑》;20150515;A008-18 * |
基于浮动车轨迹数据的路网重构和地图匹配;訾宪娟;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170115;C034-435 * |
基于高峰时段出租车GPS数据聚类分析的区域可达性研究;付星;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20190115;C034-2067 * |
Also Published As
Publication number | Publication date |
---|---|
CN110555992A (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555992B (zh) | 一种基于gps轨迹数据的出租车行驶路径信息提取方法 | |
CN110298500B (zh) | 一种基于出租车数据和城市路网的城市交通轨迹数据集生成方法 | |
CN107241512B (zh) | 基于手机数据的城际交通出行方式判断方法和设备 | |
CN105788260B (zh) | 一种基于智能公交系统数据的公交乘客od推算方法 | |
CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
CN103177561B (zh) | 公交实时路况的生成方法 | |
CN102183256B (zh) | 行进车队的地图匹配方法 | |
CN102521965B (zh) | 基于车牌识别数据的交通需求管理措施效果评价方法 | |
CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
CN105261212B (zh) | 一种基于出租车gps数据地图匹配的出行时空分析方法 | |
CN111275965B (zh) | 一种基于互联网大数据的实时交通仿真分析系统与方法 | |
CN104766473A (zh) | 基于多模式公交数据匹配的公共交通出行特征提取方法 | |
CN106710208A (zh) | 交通状态的获取方法及装置 | |
CN106067154A (zh) | 一种基于手机大数据的城市间迁移客流分析方法 | |
CN105101092A (zh) | 一种基于c4.5决策树的手机用户出行方式识别方法 | |
CN103632540A (zh) | 基于浮动车数据的城市主干道交通运行信息处理方法 | |
CN114363842B (zh) | 基于手机信令数据的公交乘客下车站点预测方法及装置 | |
CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
CN114139251B (zh) | 一种边境地区陆路口岸整体布局方法 | |
CN116233757A (zh) | 一种基于手机信令数据的居民出行碳排放量计算方法 | |
CN110675631A (zh) | 一种交通流溯源分析方法及系统 | |
CN116933958B (zh) | 一种基于刷卡数据的地铁换乘站换乘客流估计方法 | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
Kang et al. | Link-based emission model for eco routing | |
CN115662124A (zh) | 一种基于网络编码的gps轨迹数据路段流量匹配方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |