CN111811542A - 一种基于轨迹数据的寻路性能分布计算方法及系统 - Google Patents

一种基于轨迹数据的寻路性能分布计算方法及系统 Download PDF

Info

Publication number
CN111811542A
CN111811542A CN202010789015.6A CN202010789015A CN111811542A CN 111811542 A CN111811542 A CN 111811542A CN 202010789015 A CN202010789015 A CN 202010789015A CN 111811542 A CN111811542 A CN 111811542A
Authority
CN
China
Prior art keywords
track
road
path
local
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.)
Granted
Application number
CN202010789015.6A
Other languages
English (en)
Other versions
CN111811542B (zh
Inventor
李军
朱岩
李振伟
鲁文乐
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.)
China University of Mining and Technology Beijing CUMTB
Original Assignee
China University of Mining and Technology Beijing CUMTB
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 China University of Mining and Technology Beijing CUMTB filed Critical China University of Mining and Technology Beijing CUMTB
Priority to CN202010789015.6A priority Critical patent/CN111811542B/zh
Publication of CN111811542A publication Critical patent/CN111811542A/zh
Application granted granted Critical
Publication of CN111811542B publication Critical patent/CN111811542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes

Abstract

本发明公开了一种基于轨迹数据的寻路性能分布计算方法及系统，本发明采集轨迹数据并匹配至道路网地图中，按照轨迹数据重构出实际轨迹路径，然后基于同一个实际轨迹路径计算出全局寻路性能指标，而且对于同一个实际轨迹路径采用窗口法或分割路径法得到若干个局部轨迹路径，对各个局部轨迹路径依次计算出局部寻路性能指标并对应赋值至道路网地图的路段上，然后对路段上的所有对应赋值进行平均计算得到表征在对应所属路段上的寻路性能指标，依次完成所有轨迹数据即可得到各个路段上的平均寻路性能指标，这样可以统计出道路网地图上各路段的寻路性能，能够针对性地反应群体特征、类别特征、个人特征的寻路性能，为寻路研究提供了客观的科研数据。

Description

一种基于轨迹数据的寻路性能分布计算方法及系统
技术领域
本发明涉及交通领域、行为学领域，尤其涉及一种基于轨迹数据的寻路性能分布计算方法及系统。
背景技术
寻路被定义为一种有目的、有指导、有动机的行为，目的是利用外部环境的感知线索(地图、符号和口头指示)，在熟悉或不熟悉的地方有效地找到从起点到终点的路线。不同的人在不同状态不同区域都会展示出不同的寻路性能。了解这种性能差异的本质对人脑空间认知过程理解、交通规划疏导及相关行业智能化发展非常重要。目前，在许多学科领域，特别是在环境、行为学和计算机科学领域，已经进行了很多研究，以探究与寻路性能有关的原则和因素。目前，寻路性能研究以调查问卷与实时跟踪实验为主，注重发掘参与者个体属性、状态及环境空间结构对寻路性能的影响。
然而，就寻路性能研究来看上述技术至少有以下不足之处：首先，研究以小样本调查实验(基于问卷或设备)为主，研究结果存在代表性差的问题；其次，小样本的实验结果数据量有限难以反应群体特征及其空间分布；最后，从应用角度看，现有研究多以单纯的行人寻路问题为主，少有研究关注车辆寻路问题及行业应用实际，这使得该领域研究结果与实际应用间仍存在一定间隙难以应对行业应用实际。
发明内容
针对现有技术存在的不足之处，本发明的目的在于提供一种基于轨迹数据的寻路性能分布计算方法及系统，采集轨迹数据并匹配至道路网地图中，按照轨迹数据拟合重构出实际轨迹路径，然后基于同一个实际轨迹路径计算出全局寻路性能指标，而且对于同一个实际轨迹路径采用滑动窗口法或分割路径法得到若干个局部轨迹路径，对各个局部轨迹路径依次计算出局部寻路性能指标并对应赋值至道路网地图的路段上，然后对路段上的所有对应赋值进行平均计算得到实际轨迹路径下表征在对应所属路段上的寻路性能指标，依次完成所有轨迹数据即可得到各个路段上的平均寻路性能指标，这样可以统计出道路网地图上各路段的寻路性能，得到了基于实际寻路轨迹下的客观寻路性能数据，为寻路研究提供了客观的科研数据。
本发明的目的通过下述技术方案实现：
一种基于轨迹数据的寻路性能分布计算方法，其方法如下：
A、采集道路网数据形成道路网数据库和道路网地图，道路网地图具有GPS经纬度，对道路网地图上的道路标记出道路类别，道路类别包括机动车道路类别、非机动车道路类别、人行道路类别；提取道路网地图上道路的分叉点，分叉点包括转弯点、道路分叉点，对道路网地图上的道路基于分叉点划分出路段；分类采集轨迹数据并记录轨迹数据类别，轨迹数据包括GPS定位轨迹点所构成的轨迹点集合，轨迹数据的轨迹点集合包括从起点轨迹点到终点轨迹点的所有轨迹点的集合，按照地图匹配算法将轨迹数据对应匹配至道路网地图中；
B、根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际轨迹路径；根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最优路径；
C、寻路性能指标计算：分别计算全局寻路性能指标和局部寻路性能指标，其方法如下：
C1、全局寻路性能指标计算：根据步骤B中轨迹数据重构出的实际轨迹路径与起终点最优路径按照如下公式计算出全局寻路性能指标Global__WPL：
Figure BDA0002623097320000021
其中，Global__WPL为全局寻路性能指标，LShortest为起终点最优路径距离，Lactual为实际轨迹路径距离；
C2、局部寻路性能指标计算：采用滑动窗口法在道路网地图上按照实际轨迹路径从起点轨迹点至终点轨迹点依次滑动，滑动窗口长度为L，滑动窗口步长为B，步长B≤滑动窗口长度L；滑动窗口所包含的实际轨迹路径部分为局部轨迹路径，基于道路网地图建立局部轨迹路径与路段之间的对应关系，所述局部轨迹路径对应包含若干个路段；根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图得到局部起终点最优路径，对滑动窗口下的局部轨迹路径进行局部寻路性能指标local__WPL的计算，其计算公式如下：
Figure BDA0002623097320000031
其中local__WPL为局部路径寻路性能指标，L1为局部起终点最优路径距离，L2为局部轨迹路径距离；
将同一个滑动窗口的局部轨迹路径的局部寻路性能指标分别赋值到道路网地图的相关路段上，依次完成所有滑动窗口所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
为了进一步表征出所有轨迹数据在道路网地图各个路段的寻路性能指标，所有轨迹数据的寻路性能指标按照道路网地图各个路段进行关联，并在道路网地图上以路段为数据融合的载体来表征出所有轨迹数据下的平均寻路性能指标，所述步骤C还包括步骤C3；
C3、路段寻路性能指标计算：按照步骤C2的滑动窗口法分别计算所有轨迹数据，并将同一路段的局部寻路性能指标求平均值，并最终得到同一路段的路段寻路性能指标；按照上述方法即可得到道路网地图中所有路段的路段寻路性能指标。
本发明基于轨迹数据的寻路性能分布计算方法优选的滑动窗口长度为3km，滑动窗口的形状随着实际轨迹路径进行适应性匹配；所述滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的路段，且滑动窗口步长为不超过3km的路段。进一步地，本发明优选的滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的首个路段，若首个路段超过3km，则最大截取3km长度路段作为滑动窗口步长。
在本发明的技术思路下，本发明除了不区分轨迹数据类别、道路类别在道路网地图进行寻路性能指标表征外，还可以区分轨迹数据类别、道路类别进行寻路性能指标表征及可视化表达，具体技术方案如下：所述轨迹数据类别包括人行类别、机动车行驶类别、非机动车类别；所述人行类别包括若干个人行细分类别，人行细分类别包括学生、上班族、旅游人员在内的细分类别；所述机动车行驶类别包括若干机动车行驶细分类别，机动车行驶细分类别包括出租车、网络车、私家车在内的细分类别；所述非机动车类别包括若干个非机动车细分类别，非机动车细分类别包括快递员、送餐员、上班族在内的细分类别；
还包括步骤D，其中步骤D包括如下步骤：
D1、根据人行细分类别按照步骤C1的方法分别计算所有归属于同一类人行细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类人行细分类别下的平均全局寻路性能指标，进而统计归属于同一类人行类别下的平均全局寻路性能指标；并在道路网地图上按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；
根据机动车行驶细分类别按照步骤C1的方法分别计算所有归属于同一类机动车行驶细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类机动车行驶细分类别下的平均全局寻路性能指标，进而统计归属于同一类机动车行驶类别下的平均全局寻路性能指标；并在道路网地图上进行按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；参见图4，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。
根据非机动车细分类别按照步骤C1的方法分别计算所有归属于同一类非机动车细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类非机动车细分类别下的平均全局寻路性能指标，进而统计归属于同一类非机动车类别下的平均全局寻路性能指标；并在道路网地图上进行按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示；
D2、按照步骤C2、步骤C3的方法根据人行细分类别分别计算得到归属于同一类人行细分类别下道路网地图中所有路段的路段寻路性能指标，并按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；参见图4的方法示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。
按照步骤C2、步骤C3的方法根据机动车行驶细分类别分别计算得到归属于同一类机动车行驶细分类别下道路网地图中所有路段的路段寻路性能指标，并按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；
按照步骤C2、步骤C3的方法根据非机动车细分类别分别计算得到归属于同一类非机动车细分类别下道路网地图中所有路段的路段寻路性能指标，并按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示。
本发明步骤C2还可以替换采取如下步骤C2的方法(即本发明的步骤C2除采取上述技术方案外，还可以采取如下的技术方案)：
C2、局部寻路性能指标计算：将实际轨迹路径分隔成若干段局部轨迹路径，所述局部轨迹路径对应包含若干个路段；所有段局部轨迹路径共同组成实际轨迹路径，分别确定每段局部轨迹路径的起点轨迹点、终点轨迹点，根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到局部起终点最优路径；根据局部轨迹路径以及局部起终点最优路径按照如下公式计算出局部寻路性能指标local__WPL：
Figure BDA0002623097320000051
其中，local__WPL为局部寻路性能指标，L3为局部起终点最优路径距离，L4为局部轨迹路径距离；
将同一个局部轨迹路径下的局部寻路性能指标分别赋值到同一个局部轨迹路径下的相关路段上，依次完成所有局部轨迹路径所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
本发明步骤A中的地图匹配算法优选如下：
A1、基于隐马尔科夫模型的地图匹配方法，在给定一定观测前提下，寻找产生这一观测序列的隐藏序列，轨迹数据的GPS定位轨迹点来源于定位装置所产生的GPS轨迹点，其中隐马尔科夫模型的观测序列表示为定位装置产生的GPS轨迹点，其观测序列由一系列坐标组成；其中隐藏序列表示持有定位装置的人或物所在的具体位置；对于一个GPS轨迹点在一定路网距离内会有一个或多个候选路段，将GPS轨迹点在道路网地图候选路段上的投影点视为候选点，对于距离较近的路段给予较大的观察概率，其公式如下；
Figure BDA0002623097320000061
式中：c为候选点；δ为标准差,x为GPS轨迹点到路段的距离；
相邻候选点之间的权重作为马尔科夫链中的边，其转移概率公式如下；
Figure BDA0002623097320000062
式中：分子M1表示相邻两个GPS轨迹点之间的空间距离；分母M2表示相邻两个候选点之间最短的路网距离；
一条GPS轨迹有m个的GPS轨迹点并对应m个观测值，每个观测值对应着相应数量的候选点；一条有m个轨迹点的GPS轨迹中每个轨迹点都选出一个候选点组成一条长度为m的候选序列，其概率计算方法采用如下公式：
Figure BDA0002623097320000063
式中：
Figure BDA0002623097320000064
表示候选序列中前后两个连续观测值对应的候选点；
计算出所有候选序列的概率，概率最大的候选序列即为隐藏序列，得到最终的匹配结果。
本发明步骤B中的路径重构方法优选如下：
B1、对于每一条经过地图匹配处理后的轨迹进行路径重构，分别通过两个相邻轨迹点之间的路径把所有的路径整合起来，从而重构出该条轨迹的完整路径；对于相邻轨迹点的匹配路段为同一路段的情况，则两相邻点之间路径即为两点之间的直线路径；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。
优选地，本发明还对步骤B所重构路径及轨迹进行如下修正：
B2、将两个GPS轨迹点的平均速度定义为两个GPS轨迹点在道路网地图上的距离与时间戳差值的比值；将平均值的合理范围定义为：根据两个GPS轨迹点之间最短路径所包含的道路集合，得到道路集合中的最大限速值，则取0到最大限速值的1.5倍为合理范围；
B3、对于重构的实际轨迹路径，任取实际轨迹路径上四个连续的GPS定位轨迹点，四个GPS定位轨迹点依次为轨迹点A、轨迹点B、轨迹点C、轨迹点D，若存在中间两个相邻轨迹点B、轨迹点C对应平均速度不在合理范围内，则进行如下轨迹点修正处理：
若轨迹点B、轨迹点D两点之间的平均速度在合理范围内，则删除轨迹点C；
若轨迹点A、轨迹点C两点之间的平均速度在合理范围内，则删除轨迹点B；
若轨迹点B、轨迹点D两点之间的平均速度以及轨迹点A、轨迹点C两点之间的平均速度均不在合理范围内，则将轨迹点B、轨迹点C都剔除；
按照上述方法依次修正轨迹点，修正后将轨迹点依次整合并重构出修正的实际轨迹路径。
一种基于轨迹数据的寻路性能分布计算系统，包括道路网系统、轨迹匹配重构系统和寻路性能计算展示系统，所述寻路性能计算展示系统分别与道路网系统、轨迹匹配重构系统交互式连接，所述道路网系统与轨迹匹配重构系统交互式连接；所述道路网系统包括道路网数据采集模块、道路网地图和路段分割模块，所述道路网数据采集模块用于采集道路网数据，所述道路网地图用于按照道路网数据及经纬度形成道路网地图，所述路段分割模块用于提取道路网地图上道路的分叉点并基于分叉点划分出路段，所述分叉点包括转弯点、道路分叉点；所述轨迹匹配重构系统包括轨迹数据采集模块、地图匹配模块和重构路径处理模块，所述轨迹数据采集模块用于采集轨迹数据，所述地图匹配模块用于按照地图匹配算法将轨迹数据对应匹配至道路网地图中，所述重构路径处理模块用于在按照地图中将轨迹数据重构出实际轨迹路径；所述寻路性能计算展示系统包括寻路性能计算模块和可视化展示模块，所述寻路性能计算模块包括全局寻路性能指标计算模块和局部寻路性能指标计算模块，所述全局寻路性能指标计算模块用于计算全局实际轨迹路径的全局寻路性能指标，所述局部寻路性能指标计算模块用于采用窗口法或/和分割路径法得到局部轨迹路径并计算局部轨迹路径的局部寻路性能指标并对应平均赋值至路段上，所述可视化展示模块用于实现寻路性能指标的可视化展示。
本发明较现有技术相比，具有以下优点及有益效果：
(1)本发明采集轨迹数据并匹配至道路网地图中，按照轨迹数据拟合重构出实际轨迹路径，然后基于同一个实际轨迹路径计算出全局寻路性能指标，而且对于同一个实际轨迹路径采用滑动窗口法或分割路径法得到若干个局部轨迹路径，对各个局部轨迹路径依次计算出局部寻路性能指标并对应赋值至道路网地图的路段上，然后对路段上的所有对应赋值进行平均计算得到实际轨迹路径下表征在对应所属路段上的寻路性能指标，依次完成所有轨迹数据即可得到各个路段上的平均寻路性能指标，这样可以统计出道路网地图上各路段的寻路性能，进而得到基于实际寻路轨迹下的客观寻路性能数据及空间分布结果，并在道路网地图上进行空间分布展示，为寻路研究提供了客观的科研数据。
(2)本发明可以挖掘出参与者个体属性、状态及环境空间结构等因素对寻路性能的影响，可以实现分类别和细分类别进行寻路性能数据分析，能够针对性地反应群体特征、类别特征、个人特征的寻路性能指标，为城市道路建设、城市道路指示等提供可靠数据，同时也能为各类群体或个体提供精准的寻路性能分析和寻路指示。
(3)本发明采用滑动窗口法按照滑动窗口步长依次重叠分割出局部轨迹路径，并分别对局部轨迹路径进行局部寻路性能计算赋值于对应路段上，在同一实际轨迹下可以客观地得出对应至路段的局部寻路性能，同时基于相应群体的大规模轨迹数据，即可得到对应至各个路段的群体局部寻路性能水平，实现了发掘寻路行为的普适性。
附图说明
图1为本发明计算方法的流程示意图；
图2为本发明计算系统的功能原理框图；
图3为本发明实施例一举例说明在修正轨迹时的修正示意图；
图4为本发明实施例一举例说明滑动窗口法的滑动示意图；
图5为本发明实施例一举例说明可视化表达的示意图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明：
实施例一
如图1所示，一种基于轨迹数据的寻路性能分布计算方法，其方法如下：
A、采集道路网数据形成道路网数据库和道路网地图，道路网数据可来源于各种定位设备(比如手机或车载导航地图设备或共享单车上的GPS定位设备等)，道路网地图具有GPS经纬度(参见图5)，对道路网地图(道路网地图可以直接采用含GPS经纬度的地图模块，根据道路网数据库在道路网地图上表达，或者在采集道路网数据时直接获得带有道路数据、GPS经纬度的地图)上的道路标记出道路类别，道路类别包括机动车道路类别、非机动车道路类别、人行道路类别，道路网地图上的有些道路仅为机动车道路类别(此道路就只标记为机动车道路类别，比如有些立交桥上道路或城市绕城高速)。道路网地图上的有些道路是划分了机动车车道与非机动车道且人不能在上面行走(比如立交桥上的某些道路)，则此道路就分别标记为机动车道路类别和非机动车道路类别。道路网地图上的有些道路仅为人行道路，则此道路就只标记为人行道路类别。道路网地图上的有些道路为人行和非机动车混同道路(比如巷子)，则此道路就分别标记为人行道路类别与非机动车道。道路网地图上的有些道路是划分了机动车车道、非机动车道、人行道路，则此道路就分别标记为机动车车道、非机动车道、人行道路类别。若道路网地图上的同一道路划分了不同车道或人行道时，则将该道路拟合为同一道路；按照上述方法，根据道路网地图上的道路实际使用情况对道路网地图上的道路分别标记。对道路网地图上的道路标记道路类别可以根据道路网数据库进行反馈或计算机学习，修正道路网地图上的道路标记。
然后，提取道路网地图上道路的分叉点，分叉点包括转弯点、道路分叉点，对道路网地图上的道路基于分叉点划分出路段。分类采集轨迹数据并记录轨迹数据类别，轨迹数据包括GPS定位轨迹点所构成的轨迹点集合，轨迹数据的轨迹点集合包括从起点轨迹点(即轨迹数据中位于起点位置的GPS定位轨迹点)到终点轨迹点(即轨迹数据中位于终点位置的GPS定位轨迹点)的所有轨迹点的集合，按照地图匹配算法将轨迹数据对应匹配至道路网地图中。由于道路网地图包含有经纬度信息(或者经过经纬度建立经纬度地图或经纬度坐标系)，本实施例的轨迹数据由GPS定位轨迹点构成，GPS定位轨迹点包括有经纬度信息，则可以按照经纬度将轨迹数据的各个轨迹点对应匹配至道路网地图中(然后步骤B对匹配后的各个轨迹点进行拟合处理并整合重构出实际轨迹路径)。本实施例还可以按照如下的地图匹配算法将轨迹数据对应匹配至道路网地图中：
A1、基于隐马尔科夫模型的地图匹配方法，在给定一定观测前提下，寻找产生这一观测序列的隐藏序列，轨迹数据的GPS定位轨迹点来源于定位装置所产生的GPS轨迹点，其中隐马尔科夫模型的观测序列表示为定位装置产生的GPS轨迹点，其观测序列由一系列坐标组成；其中隐藏序列表示持有定位装置的人或物所在的具体位置；对于一个GPS轨迹点在一定路网距离内会有一个或多个候选路段，将GPS轨迹点在道路网地图候选路段上的投影点视为候选点，对于距离较近的路段给予较大的观察概率，其公式如下；
Figure BDA0002623097320000101
式中：c为候选点；δ为标准差,x为GPS轨迹点到路段的距离；
相邻候选点之间的权重作为马尔科夫链中的边，其转移概率公式如下；
Figure BDA0002623097320000111
式中：分子M1表示相邻两个GPS轨迹点之间的空间距离；分母M2表示相邻两个候选点之间最短的路网距离；
一条GPS轨迹有m个的GPS轨迹点并对应m个观测值，每个观测值对应着相应数量的候选点；一条有m个轨迹点的GPS轨迹中每个轨迹点都选出一个候选点组成一条长度为m的候选序列，其概率计算方法采用如下公式：
Figure BDA0002623097320000112
式中：
Figure BDA0002623097320000113
表示候选序列中前后两个连续观测值对应的候选点；
计算出所有候选序列的概率，概率最大的候选序列即为隐藏序列，得到最终的匹配结果。
B、根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际轨迹路径。本实施例的轨迹数据由GPS定位轨迹点构成，GPS定位轨迹点包括有经纬度信息，则可以按照经纬度将轨迹数据的各个轨迹点对应匹配至道路网地图中，然后对匹配后的各个轨迹点进行拟合处理并整合重构出实际轨迹路径。本实施例步骤B中的路径重构方法可以采用如下方法：
B1、对于每一条经过地图匹配处理后的轨迹进行路径重构，分别通过两个相邻轨迹点之间的路径把所有的路径整合起来，从而重构出该条轨迹的完整路径；对于相邻轨迹点的匹配路段为同一路段的情况，则两相邻点之间路径即为两点之间的直线路径；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。
根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最优路径。
C、寻路性能指标计算：分别计算全局寻路性能指标和局部寻路性能指标，其方法如下：
C1、全局寻路性能指标计算：根据步骤B中轨迹数据重构出的实际轨迹路径与起终点最优路径按照如下公式计算出全局寻路性能指标Global__WPL：
Figure BDA0002623097320000121
其中，Global__WPL为全局寻路性能指标，LShortest为起终点最优路径距离，Lactual为实际轨迹路径距离；
C2、局部寻路性能指标计算：采用滑动窗口法在道路网地图上按照实际轨迹路径从起点轨迹点至终点轨迹点依次滑动，滑动窗口长度为L(本实施例的滑动窗口长度L可以为定值，即按照相同窗口长度得出局部轨迹路径；当然滑动窗口长度L也可以为一个变动值，根据实际轨迹路径滑动前方的路段情况来增大或缩短滑动窗口长度L，比如约束设定滑动窗口长度L至少包括M个路段，如M取值为五个)，滑动窗口步长为B(本实施例的滑动窗口步长B可以为定值，即滑动窗口按照相同的滑动窗口步长B滑动并得到局部轨迹路径；当然滑动窗口步长B也可以为一个变动值，根据实际轨迹路径滑动前方的路段情况来增大或缩短滑动窗口步长B，比如滑动窗口长度L包括有N个路段，那么滑动窗口步长B直接选取在该滑动窗口长度L下的滑动窗口的首个路段作为滑动窗口步长B来滑动至下一个位置处，以此类推)，本发明设定步长B≤滑动窗口长度L，滑动窗口可以覆盖或重复覆盖实际轨迹路径的所有轨迹区域。将滑动窗口所包含的实际轨迹路径部分定义为局部轨迹路径，基于道路网地图建立局部轨迹路径与路段之间的对应关系(即根据道路网地图，一个局部轨迹路径包括多个路段，则该局部轨迹路径就对应有多个路段，根据公式算出局部轨迹路径的局部路径寻路性能指标时，就方便对该局部轨迹路径所包含的所有路段进行分别赋值表征)，本实施例的局部轨迹路径对应包含若干个路段，优选地至少包含五个路段。根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图得到局部起终点最优路径，对滑动窗口下的局部轨迹路径进行局部寻路性能指标local__WPL的计算，其计算公式如下：
Figure BDA0002623097320000131
其中local__WPL为局部路径寻路性能指标，L1为局部起终点最优路径距离，L2为局部轨迹路径距离；
将同一个滑动窗口的局部轨迹路径的局部寻路性能指标分别赋值到道路网地图的相关路段上，比如第一个滑动窗口的局部轨迹路径包含五个路段，计算出第一个滑动窗口的局部寻路性能指标后，将该局部寻路性能指标分别赋值到五个路段，可以在道路网地图的路段对应设置一个路段寻路性能数据库，路段寻路性能数据库方便存储各个滑动窗口对于路段的赋值数据以便于平均运算，并求取其平均值以便于得到与该路段相对应表征的路段寻路性能指标(路段寻路性能指标为基于所有轨迹数据分析得到寻路性能指标并对应表征在路段上，因为全局轨迹路径、局部轨迹路径都是基于单个轨迹数据下的数据概念，全局轨迹路径、局部轨迹路径都与路段关联，则统计运算后以路段进行数据映射或表征或可视化表达)。依次完成所有滑动窗口所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标(如滑动窗口从第一步位置处滑动至第二步位置处，同时对第二个滑动窗口的局部轨迹路径进行局部路径寻路性能指标计算并对应至路段上，同时跟上一个滑动窗口(即第一个滑动窗口)同一路段所对应值求取平均值，依次类推，可以得到同一路段上的几个对应赋值，并求平均值处理，并依次类推，可以得到各个路段的平均赋值)，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
C3、路段寻路性能指标计算：按照步骤C2的滑动窗口法分别计算所有轨迹数据，并将同一路段的局部寻路性能指标求平均值，并最终得到同一路段的路段寻路性能指标；按照上述方法即可得到道路网地图中所有路段的路段寻路性能指标(路段寻路性能指标为基于所有轨迹数据分析得到寻路性能指标并对应表征在路段上，因为全局轨迹路径、局部轨迹路径都是基于单个轨迹数据下的数据概念，全局轨迹路径、局部轨迹路径都与路段关联，则统计运算后以路段进行数据映射或表征或可视化表达)。并且，可在道路网地图中进行可视化表达，参见图5，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行可视化表达。
优选地，本实施例的滑动窗口长度可以定值选择为3km(优选的，滑动窗口长度可以定值选择3km左右，滑动窗口长度的定值选取仅做技术举例介绍)，滑动窗口的形状随着实际轨迹路径进行适应性匹配(如图4所示)。所述滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的路段(若路段仅为整个路段的部分，则滑动窗口只滑动局部轨迹路径所包含的路段部分)，且滑动窗口步长为不超过3km的路段。优选地，滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的首个路段，若首个路段超过3km，则最大截取3km长度路段作为滑动窗口步长。如图4所示，对于局部指标Local-WPL，指标反应对路径过程中局部路段的寻路性能，驾驶员并不是对整条行驶路线均有较好的认知(如cd部分)。对于Local-WPL采用对轨迹进行等间隔滑动取样的方式来计算出租车司机的WPL指标值。基于载客出租车轨迹的乘客上车位置A和乘客下车位置B，选取一个轨迹段作为滑动窗口，长度设置为L，如图4所示，举例说明Local-WPL等间隔滑动窗口示意图。由于出租车在一个路段上行驶的时候，只有在矢量路段的起始节点和终止节点才能改变驾驶路径，在道路的中间是无法改变行车路线的，所以本方法选取每个路段的长度作为滑动步长，从位置A向位置B滑动，每次将滑动窗口向位置B移动一个路段的长度。根据滑动窗口前后两个端点的位置计算该段路径的Local-WPL值，采用Dijkstra算法进行两端点之间最短路径的计算。
本实施例在轨迹数据采集之后，可以对轨迹数据进行类型划分和细分(即记录或标记轨迹数据的轨迹数据类别)。本发明的轨迹数据类别包括人行类别、机动车行驶类别、非机动车类别；所述人行类别包括若干个人行细分类别，人行细分类别包括学生、上班族、旅游人员在内的细分类别；所述机动车行驶类别包括若干机动车行驶细分类别，机动车行驶细分类别包括出租车、网络车、私家车在内的细分类别；所述非机动车类别包括若干个非机动车细分类别，非机动车细分类别包括快递员、送餐员、上班族在内的细分类别。本实施例可以按照上述分类并通过如下方法进行分类统计，并分类存储数据，在道路网地图上进行分类可视化展示。
还包括步骤D，其中步骤D包括如下步骤：
D1、根据人行细分类别按照步骤C1的方法分别计算所有归属于同一类人行细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类人行细分类别下的平均全局寻路性能指标，进而统计归属于同一类人行类别下的平均全局寻路性能指标；并在道路网地图上按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。
根据机动车行驶细分类别按照步骤C1的方法分别计算所有归属于同一类机动车行驶细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类机动车行驶细分类别下的平均全局寻路性能指标，进而统计归属于同一类机动车行驶类别下的平均全局寻路性能指标；并在道路网地图上进行按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。
根据非机动车细分类别按照步骤C1的方法分别计算所有归属于同一类非机动车细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类非机动车细分类别下的平均全局寻路性能指标，进而统计归属于同一类非机动车类别下的平均全局寻路性能指标；并在道路网地图上进行按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示；参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。或者以渐变色差显示寻路性能等级的差异实现寻路性能水平的直观可视化的空间展示。
D2、按照步骤C2、步骤C3的方法根据人行细分类别分别计算得到归属于同一类人行细分类别下道路网地图中所有路段的路段寻路性能指标，并按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。或者以渐变色差显示寻路性能等级的差异实现寻路性能水平的直观可视化的空间展示。
按照步骤C2、步骤C3的方法根据机动车行驶细分类别分别计算得到归属于同一类机动车行驶细分类别下道路网地图中所有路段的路段寻路性能指标，并按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。或者以渐变色差显示寻路性能等级的差异实现寻路性能水平的直观可视化的空间展示。
按照步骤C2、步骤C3的方法根据非机动车细分类别分别计算得到归属于同一类非机动车细分类别下道路网地图中所有路段的路段寻路性能指标，并按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示。参见图5的可视化示例，可以采用颜色深浅表示寻路性能指标高低或不同颜色表示寻路性能指标高低或其他方式在道路网地图中相对应的路段上进行分类可视化表达。或者以渐变色差显示寻路性能等级的差异实现寻路性能水平的直观可视化的空间展示。
优选地，本实施例步骤B所重构路径及轨迹可以进行如下修正处理：
B2、将两个GPS轨迹点的平均速度定义为两个GPS轨迹点在道路网地图上的距离与时间戳差值的比值；将平均值的合理范围定义为：根据两个GPS轨迹点之间最短路径所包含的道路集合，得到道路集合中的最大限速值，则取0到最大限速值的1.5倍为合理范围；
B3、对于重构的实际轨迹路径，任取实际轨迹路径上四个连续的GPS定位轨迹点，四个GPS定位轨迹点依次为轨迹点A、轨迹点B、轨迹点C、轨迹点D，若存在中间两个相邻轨迹点B、轨迹点C对应平均速度不在合理范围内，则进行如下轨迹点修正处理：
若轨迹点B、轨迹点D两点之间的平均速度在合理范围内，则删除轨迹点C；
若轨迹点A、轨迹点C两点之间的平均速度在合理范围内，则删除轨迹点B；
若轨迹点B、轨迹点D两点之间的平均速度以及轨迹点A、轨迹点C两点之间的平均速度均不在合理范围内，则将轨迹点B、轨迹点C都剔除；
按照上述方法依次修正轨迹点，修正后将轨迹点依次整合并重构出修正的实际轨迹路径。
本实施例的修正方式可以通过图3的示意图进行详细说明，具体是指识别错误匹配点并修正该部分轨迹，两个GPS轨迹点的平均速度定义为两个GPS轨迹点在路网上的距离与时间戳差值的比值；平均值的合理范围定义为：根据两GPS点之间最短路径所包含的道路集合，得到道路集合中最大的限速值，则0到最大限速值的1.5倍即为合理范围；对于每条经过路径重构的轨迹而言，如果存在两个相邻轨迹点B、C对应平均速度不在合理范围内的，假设A、B、C、D是一条轨迹时间上连续的四个轨迹点，分别计算轨迹点B和轨迹点D的平均速度、轨迹点A和轨迹点C的平均速度；对整条轨迹相邻轨迹点的平均速度都在合理范围之内的轨迹不做修正处理。如果B、D两点之间平均速度在合理范围内则删除C点；如果A、C两点之间平均速度在合理范围内则删除B点(以这种情况为例示意图如下图2)；如果速度都不在合理范围内，则将B、C两点都剔除；这样不断的判断、处理和重构相邻轨迹点之间的路径，直至完成整条轨迹的路径的修正。此外，为了避免相关因素对计算结果的影响，将停留时间大于5分钟的轨迹剔除。
本发明可以根据不同行业对车辆行驶需求的不同，分别设置寻路性能指标。一般来讲，在路网中一对OD(Origin-Destination)点间存在不止一条可选路径。然而，考虑到不同路径对时间或其他有限资源(如燃料、成本)的消耗，必然存在较优的路径和较差的路径，不同路径的选择体现出个体的寻路能力的高低。不同需求或行业背景对寻路结果的需求不同。以出租车和快递行业为例，现有出租车行业的运行机制(服务费用由出行里程计算)决定了通常情况下一对OD点对之间行程距离越短则对应寻路者寻路水平越高；对快递行业来讲，运送效率首要因素，则一对OD点对间时间花费越少对应寻路者寻路水平越高。基于此，本发明从不同需求下寻路成本消耗角度入手构建寻路性能评价指标体系以应对不同行业的实际需求。在本发明的技术思想下，可以应用于“基于距离”、“基于时间”、“基于能耗”或其他方面的寻路性能指标计算，具体介绍如下：
1)、在本发明的技术思想下，扩展至“基于距离”的寻路性能指标计算，相对于本发明主要区别在于步骤B、步骤C。
在步骤B中，根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际行驶路线长度；根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最佳路线长度；
在步骤C中，步骤C1的构建公式如下：
Figure BDA0002623097320000181
式中WPLL为全局寻路性能指标，Lactual为实际行驶路线长度，LShortest为起终点最佳路线长度。
步骤C2的构建公式如下：
Figure BDA0002623097320000182
其中local__WPLL为局部路线寻路性能指标，L1为局部起终点最佳路线长度，L2为局部行驶路线长度。
同时，“实际轨迹路径”替换为“实际行驶路线长度”，“局部轨迹路径”替换为“局部行驶路线”，其他技术内容基本相同或相似(在此不再累述)，按照本发明的技术思想即可得到“基于距离”的技术方案，从而实现“基于距离”的寻路性能指标计算及空间分布展示。
2)、在本发明的技术思想下，扩展至“基于时间”的寻路性能指标计算，相对于本发明主要区别在于步骤B、步骤C。
在步骤B中，根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际行驶路线及行程时间；根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最佳路线及行程时间；
在步骤C中，步骤C1的构建公式如下：
Figure BDA0002623097320000191
式中WPLT为全局寻路性能指标，Tactuat为实际行驶路线行程时间，TShortest为起终点最佳行程时间。
步骤C2的构建公式如下：
Figure BDA0002623097320000192
其中local__WPLT为局部路线寻路性能指标，L1为局部起终点最佳行程时间，L2为局部行驶路线行程时间。
同时，“实际轨迹路径”替换为“实际行驶路线”或“实际行驶路线行程时间”，“局部轨迹路径”替换为“局部行驶路线”或“局部行驶路线行程时间”，其他技术内容基本相同或相似(在此不再累述)，按照本发明的技术思想即可得到“基于时间”的技术方案，从而实现“基于时间”的寻路性能指标计算及空间分布展示。
3)、在本发明的技术思想下，扩展至“基于能耗”的寻路性能指标计算，相对于本发明主要区别在于步骤B、步骤C。
在步骤B中，根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际行驶路线及行程能耗；根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最佳路线及行程能耗；
在步骤C中，步骤C1的构建公式如下：
Figure BDA0002623097320000193
式中WPLE为全局寻路性能指标，Eactuat为实际行驶路线行程能耗，EShortest为起终点最佳行程能耗。
步骤C2的构建公式如下：
Figure BDA0002623097320000194
其中local__WPLE为局部路线寻路性能指标，L1为局部起终点最佳行程能耗，L2为局部行驶路线行程能耗。
同时，“实际轨迹路径”替换为“实际行驶路线”或“实际行驶路线行程能耗”，“局部轨迹路径”替换为“局部行驶路线”或“局部行驶路线行程能耗”，其他技术内容基本相同或相似(在此不再累述)，按照本发明的技术思想即可得到“基于能耗”的技术方案，从而实现“基于能耗”的寻路性能指标计算及空间分布展示。
如图2所示，一种基于轨迹数据的寻路性能分布计算系统，包括道路网系统、轨迹匹配重构系统和寻路性能计算展示系统，所述寻路性能计算展示系统分别与道路网系统、轨迹匹配重构系统交互式连接，所述道路网系统与轨迹匹配重构系统交互式连接。所述道路网系统包括道路网数据采集模块、道路网地图和路段分割模块，所述道路网数据采集模块用于采集道路网数据，道路网数据可来源于各种定位设备(比如手机或车载导航地图设备或共享单车上的GPS定位设备等)。所述道路网地图用于按照道路网数据及经纬度形成道路网地图，所述路段分割模块用于提取道路网地图上道路的分叉点并基于分叉点划分出路段(路段分割模块可以基于道路网结构提取分叉点或者可以基于道路网结构依靠图像识别技术提取分叉点或者直接输入分叉点)。所述分叉点包括转弯点、道路分叉点；所述轨迹匹配重构系统包括轨迹数据采集模块、地图匹配模块和重构路径处理模块，所述轨迹数据采集模块用于采集轨迹数据，所述地图匹配模块用于按照地图匹配算法将轨迹数据对应匹配至道路网地图中，地图匹配模块内部可设置有修正模块，该修正模块用于进行修正处理。所述重构路径处理模块用于在按照地图中将轨迹数据重构出实际轨迹路径。所述寻路性能计算展示系统包括寻路性能计算模块和可视化展示模块，所述寻路性能计算模块包括全局寻路性能指标计算模块和局部寻路性能指标计算模块，所述全局寻路性能指标计算模块用于计算全局实际轨迹路径的全局寻路性能指标，可视化展示模块可在道路网地图上对全局寻路性能指标(主要针对单一轨迹数据)进行可视化展示。所述局部寻路性能指标计算模块用于采用窗口法或/和分割路径法得到局部轨迹路径并计算局部轨迹路径的局部寻路性能指标并对应平均赋值至路段上，可视化展示模块可在道路网地图上对应路段上进行可视化展示。所述可视化展示模块用于实现寻路性能指标的可视化展示。
实施例二
如图1所示，一种基于轨迹数据的寻路性能分布计算方法，本实施例相对于实施例一主要区别在于步骤C，尤其是在于步骤C2、步骤C3。
C、寻路性能指标计算：分别计算全局寻路性能指标和局部寻路性能指标，其方法如下：
C1、全局寻路性能指标计算：根据步骤B中轨迹数据重构出的实际轨迹路径与起终点最优路径按照如下公式计算出全局寻路性能指标Global__WPL：
Figure BDA0002623097320000211
其中，Global__WPL为全局寻路性能指标，LShortest为起终点最优路径距离，Lactual为实际轨迹路径距离；
C2、局部寻路性能指标计算：将实际轨迹路径分隔成若干段局部轨迹路径，所述局部轨迹路径对应包含若干个路段，优选地，本实施例的局部轨迹路径对应至少包含五个路段，所有段局部轨迹路径共同组成实际轨迹路径。分别确定每段局部轨迹路径的起点轨迹点、终点轨迹点，根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到局部起终点最优路径；根据局部轨迹路径以及局部起终点最优路径按照如下公式计算出局部寻路性能指标local__WPL：
Figure BDA0002623097320000212
其中，local__WPL为局部寻路性能指标，L3为局部起终点最优路径距离，L4为局部轨迹路径距离；
将同一个局部轨迹路径下的局部寻路性能指标分别赋值到同一个局部轨迹路径下的相关路段上，比如第一个的局部轨迹路径包含五个路段，计算出第一个局部寻路性能指标后，将该局部寻路性能指标分别赋值到五个路段，可以在道路网地图的路段对应设置一个路段寻路性能数据库，路段寻路性能数据库方便存储各个局部轨迹路径对于路段的赋值数据以便于平均运算，并求取其平均值以便于得到与该路段相对应表征的路段寻路性能指标(路段寻路性能指标为基于所有轨迹数据分析得到寻路性能指标并对应表征在路段上，因为全局轨迹路径、局部轨迹路径都是基于单个轨迹数据下的数据概念，全局轨迹路径、局部轨迹路径都与路段关联，则统计运算后以路段进行数据映射或表征或可视化表达)。依次完成所有局部轨迹路径所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
C3、路段寻路性能指标计算：按照步骤C2的方法法分别计算所有轨迹数据，并将同一路段的局部寻路性能指标求平均值，并最终得到同一路段的路段寻路性能指标；按照上述方法即可得到道路网地图中所有路段的路段寻路性能指标，路段寻路性能指标为基于所有轨迹数据分析得到寻路性能指标并对应表征在路段上，因为全局轨迹路径、局部轨迹路径都是基于单个轨迹数据下的数据概念，全局轨迹路径、局部轨迹路径都与路段关联，则统计运算后以路段进行数据映射或表征或可视化表达。
本实施例与实施例一区别点在于步骤C，其他技术内容基本相同或相似，在此不再累述。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于轨迹数据的寻路性能分布计算方法，其特征在于：其方法如下：
A、采集道路网数据形成道路网数据库和道路网地图，道路网地图具有GPS经纬度，对道路网地图上的道路标记出道路类别，道路类别包括机动车道路类别、非机动车道路类别、人行道路类别；提取道路网地图上道路的分叉点，分叉点包括转弯点、道路分叉点，对道路网地图上的道路基于分叉点划分出路段；分类采集轨迹数据并记录轨迹数据类别，轨迹数据包括GPS定位轨迹点所构成的轨迹点集合，轨迹数据的轨迹点集合包括从起点轨迹点到终点轨迹点的所有轨迹点的集合，按照地图匹配算法将轨迹数据对应匹配至道路网地图中；
B、根据匹配至道路网地图中的轨迹数据按照GPS定位轨迹点依次整合并重构出实际轨迹路径；根据匹配至道路网地图中的轨迹数据的起点轨迹点与终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到起终点最优路径；
C、寻路性能指标计算：分别计算全局寻路性能指标和局部寻路性能指标，其方法如下：
C1、全局寻路性能指标计算：根据步骤B中轨迹数据重构出的实际轨迹路径与起终点最优路径按照如下公式计算出全局寻路性能指标Global__WPL：
Figure FDA0002623097310000011
其中，Global__WPL为全局寻路性能指标，LShortest为起终点最优路径距离，Lactual为实际轨迹路径距离；
C2、局部寻路性能指标计算：采用滑动窗口法在道路网地图上按照实际轨迹路径从起点轨迹点至终点轨迹点依次滑动，滑动窗口长度为L，滑动窗口步长为B，步长B≤滑动窗口长度L；滑动窗口所包含的实际轨迹路径部分为局部轨迹路径，基于道路网地图建立局部轨迹路径与路段之间的对应关系，所述局部轨迹路径对应包含若干个路段；根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图得到局部起终点最优路径，对滑动窗口下的局部轨迹路径进行局部寻路性能指标local__WPL的计算，其计算公式如下：
Figure FDA0002623097310000021
其中local__WPL为局部路径寻路性能指标，L1为局部起终点最优路径距离，L2为局部轨迹路径距离；
将同一个滑动窗口的局部轨迹路径的局部寻路性能指标分别赋值到道路网地图的相关路段上，依次完成所有滑动窗口所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
2.按照权利要求1所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述步骤C还包括步骤C3；
C3、路段寻路性能指标计算：按照步骤C2的滑动窗口法分别计算所有轨迹数据，并将同一路段的局部寻路性能指标求平均值，并最终得到同一路段的路段寻路性能指标；按照上述方法即可得到道路网地图中所有路段的路段寻路性能指标。
3.按照权利要求1或2所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述滑动窗口长度为3km，滑动窗口的形状随着实际轨迹路径进行适应性匹配；所述滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的路段，且滑动窗口步长为不超过3km的路段。
4.按照权利要求3所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述滑动窗口步长直接选择滑动窗口下的局部轨迹路径所包含的首个路段，若首个路段超过3km，则最大截取3km长度路段作为滑动窗口步长。
5.按照权利要求2所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述轨迹数据类别包括人行类别、机动车行驶类别、非机动车类别；所述人行类别包括若干个人行细分类别，人行细分类别包括学生、上班族、旅游人员在内的细分类别；所述机动车行驶类别包括若干机动车行驶细分类别，机动车行驶细分类别包括出租车、网络车、私家车在内的细分类别；所述非机动车类别包括若干个非机动车细分类别，非机动车细分类别包括快递员、送餐员、上班族在内的细分类别；
还包括步骤D，其中步骤D包括如下步骤：
D1、根据人行细分类别按照步骤C1的方法分别计算所有归属于同一类人行细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类人行细分类别下的平均全局寻路性能指标，进而统计归属于同一类人行类别下的平均全局寻路性能指标；并在道路网地图上按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；
根据机动车行驶细分类别按照步骤C1的方法分别计算所有归属于同一类机动车行驶细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类机动车行驶细分类别下的平均全局寻路性能指标，进而统计归属于同一类机动车行驶类别下的平均全局寻路性能指标；并在道路网地图上进行按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；
根据非机动车细分类别按照步骤C1的方法分别计算所有归属于同一类非机动车细分类别下的所有轨迹数据的全局寻路性能指标，并统计归属于同一类非机动车细分类别下的平均全局寻路性能指标，进而统计归属于同一类非机动车类别下的平均全局寻路性能指标；并在道路网地图上进行按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示；
D2、按照步骤C2、步骤C3的方法根据人行细分类别分别计算得到归属于同一类人行细分类别下道路网地图中所有路段的路段寻路性能指标，并按照人行细分类别、人行类别进行分类存储数据或/和可视化展示；
按照步骤C2、步骤C3的方法根据机动车行驶细分类别分别计算得到归属于同一类机动车行驶细分类别下道路网地图中所有路段的路段寻路性能指标，并按照机动车行驶细分类别、机动车行驶类别进行分类存储数据或/和可视化展示；
按照步骤C2、步骤C3的方法根据非机动车细分类别分别计算得到归属于同一类非机动车细分类别下道路网地图中所有路段的路段寻路性能指标，并按照非机动车细分类别、非机动车类别进行分类存储数据或/和可视化展示。
6.按照权利要求1所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述步骤C2的方法如下：
C2、局部寻路性能指标计算：将实际轨迹路径分隔成若干段局部轨迹路径，所述局部轨迹路径对应包含若干个路段；所有段局部轨迹路径共同组成实际轨迹路径，分别确定每段局部轨迹路径的起点轨迹点、终点轨迹点，根据局部轨迹路径的起点轨迹点、终点轨迹点依据道路网地图并参考道路类别、轨迹数据类别得到局部起终点最优路径；根据局部轨迹路径以及局部起终点最优路径按照如下公式计算出局部寻路性能指标local__WPL：
Figure FDA0002623097310000041
其中，local__WPL为局部寻路性能指标，L3为局部起终点最优路径距离，L4为局部轨迹路径距离；
将同一个局部轨迹路径下的局部寻路性能指标分别赋值到同一个局部轨迹路径下的相关路段上，依次完成所有局部轨迹路径所对应相关路段的赋值处理并求取路段的平均局部寻路性能指标，将该平均局部寻路性能指标作为该路段的局部寻路性能指标。
7.按照权利要求1所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述步骤A中的地图匹配算法如下：
A1、基于隐马尔科夫模型的地图匹配方法，在给定一定观测前提下，寻找产生这一观测序列的隐藏序列，轨迹数据的GPS定位轨迹点来源于定位装置所产生的GPS轨迹点，其中隐马尔科夫模型的观测序列表示为定位装置产生的GPS轨迹点，其观测序列由一系列坐标组成；其中隐藏序列表示持有定位装置的人或物所在的具体位置；对于一个GPS轨迹点在一定路网距离内会有一个或多个候选路段，将GPS轨迹点在道路网地图候选路段上的投影点视为候选点，对于距离较近的路段给予较大的观察概率，其公式如下；
Figure FDA0002623097310000042
式中：c为候选点；δ为标准差,x为GPS轨迹点到路段的距离；
相邻候选点之间的权重作为马尔科夫链中的边，其转移概率公式如下；
Figure FDA0002623097310000051
式中：分子M1表示相邻两个GPS轨迹点之间的空间距离；分母M2表示相邻两个候选点之间最短的路网距离；
一条GPS轨迹有m个的GPS轨迹点并对应m个观测值，每个观测值对应着相应数量的候选点；一条有m个轨迹点的GPS轨迹中每个轨迹点都选出一个候选点组成一条长度为m的候选序列，其概率计算方法采用如下公式：
Figure FDA0002623097310000052
式中：
Figure FDA0002623097310000053
表示候选序列中前后两个连续观测值对应的候选点；
计算出所有候选序列的概率，概率最大的候选序列即为隐藏序列，得到最终的匹配结果。
8.按照权利要求1所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：所述步骤B中的路径重构方法如下：
B1、对于每一条经过地图匹配处理后的轨迹进行路径重构，分别通过两个相邻轨迹点之间的路径把所有的路径整合起来，从而重构出该条轨迹的完整路径；对于相邻轨迹点的匹配路段为同一路段的情况，则两相邻点之间路径即为两点之间的直线路径；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。
9.按照权利要求1或8所述的一种基于轨迹数据的寻路性能分布计算方法，其特征在于：对步骤B所重构路径及轨迹进行如下修正：
B2、将两个GPS轨迹点的平均速度定义为两个GPS轨迹点在道路网地图上的距离与时间戳差值的比值；将平均值的合理范围定义为：根据两个GPS轨迹点之间最短路径所包含的道路集合，得到道路集合中的最大限速值，则取0到最大限速值的1.5倍为合理范围；
B3、对于重构的实际轨迹路径，任取实际轨迹路径上四个连续的GPS定位轨迹点，四个GPS定位轨迹点依次为轨迹点A、轨迹点B、轨迹点C、轨迹点D，若存在中间两个相邻轨迹点B、轨迹点C对应平均速度不在合理范围内，则进行如下轨迹点修正处理：
若轨迹点B、轨迹点D两点之间的平均速度在合理范围内，则删除轨迹点C；
若轨迹点A、轨迹点C两点之间的平均速度在合理范围内，则删除轨迹点B；
若轨迹点B、轨迹点D两点之间的平均速度以及轨迹点A、轨迹点C两点之间的平均速度均不在合理范围内，则将轨迹点B、轨迹点C都剔除；
按照上述方法依次修正轨迹点，修正后将轨迹点依次整合并重构出修正的实际轨迹路径。
10.按照权利要求1所述的一种基于轨迹数据的寻路性能分布计算系统，其特征在于：包括道路网系统、轨迹匹配重构系统和寻路性能计算展示系统，所述寻路性能计算展示系统分别与道路网系统、轨迹匹配重构系统交互式连接，所述道路网系统与轨迹匹配重构系统交互式连接；所述道路网系统包括道路网数据采集模块、道路网地图和路段分割模块，所述道路网数据采集模块用于采集道路网数据，所述道路网地图用于按照道路网数据及经纬度形成道路网地图，所述路段分割模块用于提取道路网地图上道路的分叉点并基于分叉点划分出路段，所述分叉点包括转弯点、道路分叉点；所述轨迹匹配重构系统包括轨迹数据采集模块、地图匹配模块和重构路径处理模块，所述轨迹数据采集模块用于采集轨迹数据，所述地图匹配模块用于按照地图匹配算法将轨迹数据对应匹配至道路网地图中，所述重构路径处理模块用于在按照地图中将轨迹数据重构出实际轨迹路径；所述寻路性能计算展示系统包括寻路性能计算模块和可视化展示模块，所述寻路性能计算模块包括全局寻路性能指标计算模块和局部寻路性能指标计算模块，所述全局寻路性能指标计算模块用于计算全局实际轨迹路径的全局寻路性能指标，所述局部寻路性能指标计算模块用于采用滑动窗口法或/和分割路径法得到局部轨迹路径并计算局部轨迹路径的局部寻路性能指标并对应平均赋值至路段上，所述可视化展示模块用于实现寻路性能指标的可视化展示。
CN202010789015.6A 2020-08-07 2020-08-07 一种基于轨迹数据的寻路性能分布计算方法及系统 Active CN111811542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010789015.6A CN111811542B (zh) 2020-08-07 2020-08-07 一种基于轨迹数据的寻路性能分布计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010789015.6A CN111811542B (zh) 2020-08-07 2020-08-07 一种基于轨迹数据的寻路性能分布计算方法及系统

Publications (2)

Publication Number Publication Date
CN111811542A true CN111811542A (zh) 2020-10-23
CN111811542B CN111811542B (zh) 2021-08-06

Family

ID=72864676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010789015.6A Active CN111811542B (zh) 2020-08-07 2020-08-07 一种基于轨迹数据的寻路性能分布计算方法及系统

Country Status (1)

Country Link
CN (1) CN111811542B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112197771A (zh) * 2020-12-07 2021-01-08 深圳腾视科技有限公司 车辆失效轨迹重构方法、设备以及存储介质
CN112765214A (zh) * 2021-01-12 2021-05-07 武汉光庭信息技术股份有限公司 一种电子地图路径匹配方法、系统、服务器及存储介质
CN113188546A (zh) * 2021-04-30 2021-07-30 成都市微泊科技有限公司 基于图像识别与人行航位推算的室内定位导航方法
CN116481560A (zh) * 2023-06-21 2023-07-25 天津所托瑞安汽车科技有限公司 车辆行驶里程的计算方法、装置、终端及存储介质
CN116643300A (zh) * 2023-07-25 2023-08-25 齐鲁空天信息研究院 基于地图映射的卫星导航数据分布式实时处理方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101382435A (zh) * 2008-09-17 2009-03-11 凯立德欣技术（深圳）有限公司 具有轨迹切换功能的导航装置及导航方法
CN103678905A (zh) * 2013-12-09 2014-03-26 深圳先进技术研究院 基于轨迹数据的质量评估方法
CN106595680A (zh) * 2016-12-15 2017-04-26 福州大学 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法
CN109059939A (zh) * 2018-06-27 2018-12-21 湖南智慧畅行交通科技有限公司 基于隐马尔科夫模型的地图匹配算法
CN110411450A (zh) * 2019-07-29 2019-11-05 北京航空航天大学 一种用于压缩轨迹的地图匹配方法
CN110514224A (zh) * 2019-08-26 2019-11-29 中国人民解放军军事科学院国防科技创新研究院 一种无人驾驶汽车局部路径规划性能评价方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101382435A (zh) * 2008-09-17 2009-03-11 凯立德欣技术（深圳）有限公司 具有轨迹切换功能的导航装置及导航方法
CN103678905A (zh) * 2013-12-09 2014-03-26 深圳先进技术研究院 基于轨迹数据的质量评估方法
CN106595680A (zh) * 2016-12-15 2017-04-26 福州大学 一种基于隐马尔可夫模型的车辆gps数据地图匹配方法
CN109059939A (zh) * 2018-06-27 2018-12-21 湖南智慧畅行交通科技有限公司 基于隐马尔科夫模型的地图匹配算法
CN110411450A (zh) * 2019-07-29 2019-11-05 北京航空航天大学 一种用于压缩轨迹的地图匹配方法
CN110514224A (zh) * 2019-08-26 2019-11-29 中国人民解放军军事科学院国防科技创新研究院 一种无人驾驶汽车局部路径规划性能评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邱磊: "基于A*算法的游戏地图寻路实现及性能比较", 《陕西科技大学学报》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112197771A (zh) * 2020-12-07 2021-01-08 深圳腾视科技有限公司 车辆失效轨迹重构方法、设备以及存储介质
CN112765214A (zh) * 2021-01-12 2021-05-07 武汉光庭信息技术股份有限公司 一种电子地图路径匹配方法、系统、服务器及存储介质
CN112765214B (zh) * 2021-01-12 2022-06-17 武汉光庭信息技术股份有限公司 一种电子地图路径匹配方法、系统、服务器及存储介质
CN113188546A (zh) * 2021-04-30 2021-07-30 成都市微泊科技有限公司 基于图像识别与人行航位推算的室内定位导航方法
CN116481560A (zh) * 2023-06-21 2023-07-25 天津所托瑞安汽车科技有限公司 车辆行驶里程的计算方法、装置、终端及存储介质
CN116481560B (zh) * 2023-06-21 2023-10-03 天津所托瑞安汽车科技有限公司 车辆行驶里程的计算方法、装置、终端及存储介质
CN116643300A (zh) * 2023-07-25 2023-08-25 齐鲁空天信息研究院 基于地图映射的卫星导航数据分布式实时处理方法和系统
CN116643300B (zh) * 2023-07-25 2023-10-10 齐鲁空天信息研究院 基于地图映射的卫星导航数据分布式实时处理方法和系统

Also Published As

Publication number Publication date
CN111811542B (zh) 2021-08-06

Similar Documents

Publication Publication Date Title
CN111811542B (zh) 一种基于轨迹数据的寻路性能分布计算方法及系统
CN108170793B (zh) 基于车辆语义轨迹数据的停留点分析方法及其系统
US9109914B2 (en) Energy efficient routing using an impedance factor
Zhao et al. Uncovering the spatiotemporal patterns of CO2 emissions by taxis based on Individuals' daily travel
EP2603770B1 (en) Parking lot detection using probe data
Streeter et al. A profile of drivers' map-reading abilities
CN106897919A (zh) 用车类型预测模型建立、信息提供方法及装置
US10373494B1 (en) Method and apparatus for estimating a parking event based on device signal observations
US8880333B2 (en) Effective slope for fuel consumption calculation
CN111862606A (zh) 一种基于多源数据的非法营运车辆识别方法
CN110413855A (zh) 一种基于出租车下客点的区域出入口动态提取方法
CN111429744A (zh) 一种路况信息融合分析的方法、装置及存储介质
CN113096389B (zh) 一种基于多源数据的全国高速公路网络拓扑构建方法
CN114331232B (zh) 街道空间品质监测评估预警方法
Winters et al. Assessing level of service equally across modes
CN113095570B (zh) 基于需求差异性的自行车骑行路径推荐方法
Meister et al. Descriptive route choice analysis of cyclists in Zurich
Naumov et al. Estimating parameters of demand for trips by public bicycle system using GPS data
Cao et al. TPM: A GPS-based trajectory pattern mining system
CN114416816A (zh) 一种地铁用户路径识别方法
Vaez et al. Understanding the Effects of Urban Form and Navigational Aids on Wayfinding Behaviour and Spatial Cognition
Naumov et al. Using Clustering Algorithms to Identify Recreational Trips within a Bike-Sharing System
Vedernikov et al. The Hitchhiker’s guide to the pick-up locations
Biedinger Automatic Usage Modeling for Automotive Applications
Shin Explanation of factors influencing cyclists’ route choice using actual route data from cyclists

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