专利名称：一种基于出行轨迹数据的行程识别方法
技术领域：
本发明涉及一种基于出行轨迹数据的行程识别方法。本方法主要应用于通过分析手机定位轨迹数据获得出行轨迹，但同时也可应用于通过分析GPS定位轨迹数据获得出行轨迹。
背景技术：
传统的行为活动信息获取以居民出行调查和活动日志调查为主，通过人工调查的方式开展。居民出行调查和活动日志调查已经形成一套完整的调查流程和规范，在国内外延用多年，但也一直受到几个问题的困扰，如受防者负担较大，调查准确性不高，花费巨大
坐寸ο近年来随着无线通讯技术、Internet技术的发展，手机和便携式GPS等具有空间定位能力的设备得到普及，设置后可以自动记录连续时刻的空间经纬度信息。采集后的数据能够形成完整的活动轨迹，大大丰富和增强了出行活动的还原效果，成为获取居民活动行为数据的另一条有效途径。但与此同时，这些被动式的出行数据采集方式往往缺少相应属性信息作为参考，无法直接从轨迹点中得到出行端点、出行时间、出行方式、出行目的等出行信息。因此，针对轨迹信息的数据处理和挖掘分析方法成为居民出行研究领域的热点。目前，城市活动对象的轨迹采集主要有GPS定位和手机网络定位两种方式。定位技术获取的轨迹数据只是包含每一轨迹点的经纬度及其对应的时刻信息，通过数据本身无法直接得到活动行为的特征信息，如出行时间、出行方式、出行目的，以及更深层次的活动规律等。进行以上这些信息统计分析工作的基�。褪鞘侗鸪龀鲂姓叩牧街只疃嘈停椿疃耐Ａ艚锥魏鸵贫锥巍Ｒ虼耍鲂惺侗鸬娜挝窬褪墙薹ㄖ苯永斫獾墓旒Ｗ芄蝗现耐Ａ粑恢煤驮诟鞲鐾Ａ粑恢弥涞囊贫�。如图I所示，行程识别就是将在空间上离散的轨迹点划分成停留活动点和移动活动点两大类。通过停留活动点获取人进行停留活动时的位置或位置范围,通过移动活动点生成人的移动路径。这样，有关停留时长、停留活动目的等信息可以由停留位置信息进行挖掘分析，出行方式、出行时间、出行距离等信息则可以从移动路径中提取。目前，行程识别算法从识别停留点入手，主要有探索性方法和聚类法两大类。探索性方法还包括以下几种(I)基于记录间隙早期车辆出行调查中使用的GPS设备没有电池，需要由发动中的车辆提供电力。 车辆启动后，GPS设备通电开始记录轨迹数据，车辆熄火时，设备断电停止记录。因此，获得的车辆轨迹在时间上会出现间隙，可以用来区分停车行为。在正常的行驶过程中车辆也会发生短暂的熄火行为，需要设定一个时间阈值与停留活动时的车辆熄火相区别。(2)基于静止点该方法主要从速度入手，考察获取的轨迹点数据，当轨迹点的速度为O时认为该轨迹点为静止点，连续聚集的可以判断出一个停留地点。由于定位误差和漂移的存在，停留时的轨迹点速度不始终为0，需要设置速度阈值，通常以一个小于步行的速度为标准。(3)基于缺失点在地下或建筑物遮挡的情况下，GPS设备将无法接收GPS信号而产生数据缺失，即采集到的两个相邻轨迹点之间的时间间隔大于设置的时间间隔。对于这种情况，通过计算这两个点间的速度，并与两点前后的若干个轨迹点的速度比较，判断轨迹点缺失时发生了停留活动还是移动活动。(4)基于方向特征某些短时停留活动在开始或结束时会发生方向的改变，如停车接送人、取送货物等，可以通过识别若干个轨迹点的方向变化判断停留。Du将停留划分为长时间的确定停留和短时间的疑似停留，考察疑似停留的方向变化进一步验证是否发生停留。(5)基于路网计算轨迹点与路网的距离，获得偏离路网的轨迹点，结合停留时长对这些点做进一步判断。轨迹数据一般以等时间间隔的方式采集，因此发生停留活动时将会有大量轨迹点聚集在某一位置附近，故可以使用聚类的方法进行识别。聚类法还包括以下方法(I)基于K-均值聚类该方法先要确定两个参数形成一个簇的最少轨迹点数η和聚类半径d。从第一个轨迹点开始，计算η个轨迹点中任意两点间的最大距离，如果小于d,这些轨迹点形成一个簇，即一个停留位置。之后，计算下一个轨迹点与该簇中心点的距离，如果小于d/2，则轨迹点加入该簇，否则该簇的聚类过程结束。重复进行以上过程直到所有轨迹点处理完成从而聚类出若干个停留位置。(2)基于 DBSCAN 聚类与K-均值聚类相似，也需要确定轨迹点数η和聚类半径d。计算每个点d范围内的轨迹点数量，如果小于η则认为该点为噪声，否则这些轨迹点形成一个簇。如果簇之间有重合，则合并相交的簇，最后形成若干个停留位置。该方法假设轨迹点始终等时记录，易受数据缺失的影响。探索性方法建立在研究者对出行轨迹数据的理解和个人出行规律的经验基础之上，设定并不断优化多个用于识别的规则和参数，达到行程识别的目的。该方法贴近真实世界的经验感受，所需的规则和参数直观清晰，合理的设定能够取得良好的识别结果。但探索性方法对数据的针对性比较强，如果轨迹数据的获取方式和特征发生改变，已有的方法将不再适用。聚类算法对已有知识经验和数据本身特征的依赖性较弱，具有良好的适应性，但无论是K-均值还是DBSCAN聚类对噪声和长距离漂移的处理效果较差，易将一次停留分割成多次停留，识别精度不高。上述探索性方法主要针对GPS定位方式获取的出行轨迹数据，难以应用于手机定位轨迹数据的行程识别分析。GPS定位和手机定位这两种获取方式得到的轨迹数据在轨迹特征定位精度方面存在很大不同，GPS定位轨迹数据定位精度较高，不易出现长距离的漂移，而手机定位轨迹数据定位精度和漂移特征均有赖于移动基站的分布密度，在远离市中心的区域漂移的距离较大，有时甚至可能出现一、二公里的定位漂移和抖动；大部分人的手机在白天一般不关机或有的人全天不关机，基于记录间隙的方法受到很大局限；城市中的手机信号盖范围比较全面，在建筑物内也不容易发生轨迹缺失的情况，用缺失点判断停留的方法可用性下降。因此，针对GPS轨迹的识别方法对手机定位轨迹并不适用。
发明内容
本发明设计开发了一种基于出行轨迹数据的行程识别方法。本发明通过速度对轨迹点进行划分，并将速度低于一定速度阈值以下的轨迹点合并为候选停留位置，再利用距离和时间阈值对候选停留位置进行合并，从而确定出真正的停留点。上述方法解决了手机定位轨迹数据的定位漂移和抖动的问题，行程识别精度高；同时，该方法通过调整距离和时间阈值还可以实现对GPS定位轨迹数据的分析。本发明提供的技术方案为一种基于出行轨迹数据的行程识别方法，包括以下步骤步骤一、计算轨迹点的速度；步骤二、将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔；步骤三、当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则将所述多个候选停留位置的中心判定为停留点；步骤四、所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤三是通过以下方式实现的，(I)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心，(2)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心，(3)重复(2)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则(2)中所述停留序列的中心为停留点。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤二中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的，(I)依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(X(i,i+1)，y(i,i+1))，(2)依次计算所述两个相邻轨迹点之间的时间间隔At(i,i+1)、与所述候选停留位置的停留时长Stay' . Δ t之间的比值wight(i,i+1),
(3)计算所述候选停留位置的坐标(Stay’ . x, Stay’ . y)
I : I、I η Λ
Stay' ·χ = Σ wisht(i,μ) · %/+ι) Stay' -y = Σ wiSht^) · ·%+ι)
I Iο优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤三中，(2)中所述停留序列的中心是通过以下方式实现的，(I)计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay At 与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. 间的比值wighh，(2)计算所述停留序列的中心坐标(Sq. x, Sq. y)Sq. X = Wighti · Stay' ” x+(Iiighti) · Sq. x,Sq. y = Wighti · Stay' ” y+(Iiighti) · Sq. y。优选的是，所述的基于出行轨迹数据的行程识别方法中，还包括有步骤五、所述步骤三中，(3)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于时间阈值时，则(2)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤四中，将所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间所有的轨迹点删除。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，计算从第一个轨迹点到最后一个轨迹点之间的直线距离，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过从所述第一个轨迹点到最后一个轨迹点之间的直线距离除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，分别计算两个相邻轨迹点之间的直线距离，并计算所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过所述所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。优选的是，所述的基于出行轨迹数据的行程识别方法中，所述时间阈值为300秒， 所述距离阈值为1100米。
7
本发明所述的基于出行轨迹数据的行程识别方法，通过速度对轨迹点进行划分， 并将速度低于一定速度阈值以下的轨迹点合并为候选停留位置，再利用距离阈值和时间阈值对候选停留位置进行合并，从而确定出真正的停留点。上述方法解决了手机定位轨迹数据的定位漂移和抖动的问题，行程识别精度高。当时间阈值取300秒，距离阈值取1100米时，查全率为87. 66%，查准率为81. 56%。同时，该方法通过调整距离和时间阈值还可以实现对GPS定位轨迹数据的分析。
图I为行程识别示意图；图2为轨迹点的速度计算示意图；图3为轨迹点中候选停留点合并为候选停留位置的示意图；图4为停留点识别算法流程5为本发明的基于出行轨迹数据的行程识别方法中基于不同距离阈值和时间阈值的查全率的三维柱状图；图6为本发明的基于出行轨迹数据的行程识别方法中基于不同距离阈值和时间阈值的查准率的三维柱状图；图7为个体出行者行程识别结果的可视化示意图，其中，图7(a)为由原始轨迹数据得到的时空路径。(b)为经由行程识别后绘制的时空路径，经括号标识出的直线部分表示识别出的停留阶段，两段直线部分之间的弯折部分表示识别出的移动阶段。图8为基于时空轨迹数据的概念模型层次结构；图9为基于时空轨迹数据的逻辑模型中的关系映射图；图10为居民出行轨�？墒踊治鐾诰蛟拖低持械ジ龀鲂姓吖旒５目墒踊泶锿迹煌�11为居民出行轨�？墒踊治鐾诰蛟拖低持卸喔龀鲂姓吖旒５目墒踊泶锿迹煌�12为居民出行轨�？墒踊治鐾诰蛟拖低持械ジ龀鲂姓叨喔鋈掌诠旒５目墒踊泶铮煌�13为居民出行轨�？墒踊治鐾诰蛟拖低持卸喔龀鲂姓咴谕蝗掌诘墓旒７植记榭�。
具体实施例方式下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。本发明提供一种基于出行轨迹数据的行程识别方法，包括以下步骤步骤一、计算轨迹点的速度；步骤二、将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔；步骤三、当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则将所述多个候选停留位置的中心判定为停留点；步骤四、所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。所述的基于出行轨迹数据的行程识别方法中，所述步骤三是通过以下方式实现的，(I)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心，(2)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心，(3)重复(2)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则(2)中所述停留序列的中心为停留点。所述的基于出行轨迹数据的行程识别方法中，所述步骤二中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的，(I)依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(X(i,i+1)，y(i,i+1))，(2)依次计算所述两个相邻轨迹点之间的时间间隔At(i,i+1)、与所述候选停留位置的停留时长Stay' . Δ t之间的比值wight(i,i+1),(3)计算所述候选停留位置的坐标(Stay’ . x, Stay’ . y)
II η I
Stay' ·χ = Σ wisht(i,μ) · χ(ο.+ι) Stay' -y = Σ wiShHuM) · ·%+ι)
I Iο所述的基于出行轨迹数据的行程识别方法中，所述步骤三中，(2)中所述停留序列的中心是通过以下方式实现的，(I)计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay%. At 与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. 间的比值wighh，(2)计算所述停留序列的中心坐标(Sq. x, Sq. y)Sq. X = Wighti · Stay' ” x+(Iiighti) · Sq. x,Sq. y = Wighti · Stay' ” y+ (I-Wighti) · Sq. yD所述的基于出行轨迹数据的行程识别方法中，还包括有步骤五、所述步骤三中，
(3)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于时间阈值时，则(2)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。所述的基于出行轨迹数据的行程识别方法中，所述步骤四中，将所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间所有的轨迹点删除。所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度。所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，计算从第一个轨迹点到最后一个轨迹点之间的直线距离，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过从所述第一个轨迹点到最后一个轨迹点之间的直线距离除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。所述的基于出行轨迹数据的行程识别方法中，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，分别计算两个相邻轨迹点之间的直线距离，并计算所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过所述所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。所述的基于出行轨迹数据的行程识别方法中，所述时间阈值为300秒，所述距离阈值为1100米。本发明的方法可分为三个部分(I)速度计算；(2)候选停留位置生成；(3)停留点识别。一、速度计算获得的原始轨迹数据中不包含速度信息，算法的第一步需要根据轨迹点记录的经度、纬度和时间信息计算出行者在各轨迹点的速度。严格意义的瞬时速度计算比较困难和复杂，因此考虑用轨迹点所在的一段轨迹上的平均速度来代替。对GPS定位轨迹数据而言，其定位精度较高，不易出现长距离的漂移，轨迹点的速度由该轨迹点和与之相连的前后两个轨迹点组成的路径上的平均速度代替，如图2中的轨迹点Py其速度计算公式如下
权利要求
1.一种基于出行轨迹数据的行程识别方法，其特征在于，包括以下步骤步骤一、计算轨迹点的速度；步骤二、将多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，其中，所述候选停留位置的停留时长为所述多个轨迹点中第一个轨迹点到最后一个轨迹点之间的时间间隔；步骤三、当多个候选停留位置的中心与所述多个候选停留位置中任一个候选停留位置之间的距离小于距离阈值时，并且，当所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则将所述多个候选停留位置的中心判定为停留点；步骤四、所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔为在所述停留点的停留时长。
2.如权利要求I所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤三是通过以下方式实现的，(1)将所有待判定候选停留位置中的第一个候选停留位置作为停留序列，其中，所述第一个候选停留位置为停留序列的中心，(2)当位于所述停留序列的后方的第一个候选停留位置到达所述停留序列的中心的距离小于距离阈值时，将所述位于所述停留序列的后方的第一个候选停留位置放入所述停留序列，重新确定所述停留序列的中心，(3)重复(2)，直到位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔大于时间阈值时，则 (2)中所述停留序列的中心为停留点。
3.如权利要求2所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤二中，所述多个相邻的速度均在速度阈值以下的轨迹点合并为一个候选停留位置，是通过以下方式实现的，(1)依次计算所述候选停留位置中两个相邻轨迹点的平均坐标(x(i,i+1)，y(i,i+1))，(2)依次计算所述两个相邻轨迹点之间的时间间隔与所述候选停留位置的停留时长Stay' . Δ 之间的比值wight(i,i+1),(3)计算所述候选停留位置的坐标(Stay’. x, Stay’ . y)
4.如权利要求2所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤三中，(2)中所述停留序列的中心是通过以下方式实现的，(1)计算位于所述停留序列的后方的第一个候选停留位置的停留时长Stay’i. At与所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔Sq. Λ t之间的比值wighh，(2)计算所述停留序列的中心坐标(Sq.X, Sq. y)Sq. X = Wighti · Stay' j. x+ (I-Wighti) · Sq. x,Sq. y = Wighti · Stay, y+(Iiighti) · Sq. y。
5.如权利要求2所述的基于出行轨迹数据的行程识别方法，其特征在于，还包括有步骤五、所述步骤三中，(3)中位于所述停留序列后方的第一个候选停留位置到达所述停留序列的中心的距离大于距离阈值时，当所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的时间间隔小于时间阈值时，则(2)中所述停留序列中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间的所有的轨迹点均判定为移动点，以及所述停留序列中最后一个候选停留位置的停留时长的结束时刻到所述停留序列后方的第一个候选停留位置的停留时长的开始时刻之间的所有的轨迹点均判定为移动点。
6.如权利要求I所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤四中，将所述多个候选停留位置中第一个候选停留位置的停留时长的开始时刻到最后一个候选停留位置的停留时长的结束时刻之间所有的轨迹点删除。
7.如权利要求I所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤一中，计算轨迹点的平均速度。
8.如权利要求7所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，计算从第一个轨迹点到最后一个轨迹点之间的直线距离，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过从所述第一个轨迹点到最后一个轨迹点之间的直线距离除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。
9.如权利要求7所述的基于出行轨迹数据的行程识别方法，其特征在于，所述步骤一中，计算轨迹点的平均速度，是通过以下方式实现的，在当前轨迹点的前方和后方分别选取至少一个轨迹点，分别计算两个相邻轨迹点之间的直线距离，并计算所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和，计算第一个轨迹点到最后一个轨迹点之间的时间间隔，当前轨迹点的平均速度通过所述所选取的轨迹点中所有两个相邻轨迹点之间的直线距离之和除以所述第一个轨迹点到最后一个轨迹点之间的时间间隔得到。
10.如权利要求I所述的基于出行轨迹数据的行程识别方法，其特征在于，所述时间阈值为300秒，所述距离阈值为1100米。
全文摘要
本发明公开了一种基于出行轨迹数据的行程识别方法，通过速度对轨迹点进行划分，并将速度低于一定速度阈值以下的轨迹点合并为候选停留位置，再利用距离阈值和时间阈值对候选停留位置进行合并，从而确定出真正的停留点。上述方法解决了手机定位轨迹数据的定位漂移和抖动的问题，行程识别精度高。当时间阈值取300秒，距离阈值取1100m时，查全率为87.66％，查准率为81.56％。同时，该方法通过调整距离和时间阈值还可以实现对GPS定位轨迹数据的分析。
文档编号G01C21/00GK102607553SQ20121005654
公开日2012年7月25日 申请日期2012年3月6日 优先权日2012年3月6日
发明者仇培元, 张健钦, 徐志洁, 王晏民 申请人:北京建筑工程学院
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
