从GPS数据中识别交通工具的方法技术

本发明专利技术公开了一种从GPS数据中识别交通工具的方法，包括以下步骤：初步标记GPS数据点；得到候选的换乘点，即将潜在的换乘点，加入候选换乘点的集合；得到真正换乘点并对轨迹进行分段；提取特征加速度变化率ACR；提取特征时间片类型TS，将用户上班的高峰期分成两个类型，T_busy和T_idle；提取路段的85％分位速度和加速度特征；从各个路段提取出特征后，采用分类模型随机森林分类器，以特征作为输入，交通模式作为输出结果，得到交通模式的预测结果。本发明专利技术根据现有交通表现出的规律，提取有效的特征，又采用基于轨迹完整性的思想的后处理算法进一步提高交通工具的识别率。

Method for identifying vehicle from GPS data

The invention discloses a method for identification of traffic tools from GPS data, which comprises the following steps: preliminary GPS labeled data points; get the candidate boarding point to the potential transfer point, join the set of candidate transfer points; real transfer points and the trajectory is segmented; feature extraction ACR extraction rate of change of acceleration; the characteristics of the time slice type TS, the user will be the peak of work is divided into two types, T_busy and T_idle; a speed and acceleration feature extraction section 85%; extract features from each section, the classification model of random forest classifier, which features as input traffic patterns as output results, obtained by the traffic pattern. According to the law of the existing traffic, the invention extracts the effective characteristic, and further improves the recognition rate of the vehicle using the post-processing algorithm based on the idea of the integrity of the trajectory.

【技术实现步骤摘要】

本专利技术涉及数据挖掘和城市计算领域，具体涉及一种从GPS数据中识别交通工具的方法。
技术介绍
城市交通日益拥堵，人们的活动变得更加复杂密集。用户行为抽取、轨迹分析和交通模式识别对服务提供商和决策者所起的作用越来越重要。通常，城市交通模式被分为道路交通模式(如自驾车、公交车、自行车和步行)和轨道交通模式(如地铁和火车)。对于研究者而言，通过对速度的大小分布可以很容易区分道路交通模式和轨道交通模式。过去几年，研究者通过问卷调查或者电话回访来收集有关交通模式的数据，这种方式经常会因为采集者的疏忽而产生不精确或者不完整的数据。现代社会，城市感知技术使人们以一种新颖的方式来收集数据，加速计和GPS仪器作为手机中低能耗的两种感知仪器，被人们普遍应用于交通模式的识别。加速计可以记录手机3维方向的加速度。然而，它的读数受到手机位置和交通模式的影响。有时为了更精确识别交通模式，加速计通常的采样频率为10Hz，甚至更高。高采样率、3维坐标加速度的采集和位置的影响使识别变得很复杂。与加速计相比，GPS仪器由于它的可移动性和低采样率被广泛地应用在交通模式的识别。郑宇等研究者提出对于GPS数据而言，第一个步骤是找出轨迹的换乘点，第二个步骤是根据这些换乘点对轨迹进行分割，经过第二个步骤，可以得到路段的集合。第三个步骤对这些路段进行特征提取，郑宇等人提取了有关速度与加速度的特征及变种特征。第四个步骤以这些特征作为输入，以决策树作为分类模型，预测出初步的结果。同时，郑宇等人采取了额外第五个步骤，即后处理方法对分类结果进行修正。隽志才等研究者采用的步骤类似于上述方法。与郑宇等人不同的是，第三个步骤特征选取不同。第四个步骤隽志才等人采用的是贝叶斯网络模型，也没有采取后处理方法。上述两种方法是两种经典的交通工具识别方法，但他们仍然有很多不足。首先，现代人们的生活表现出了更多特点，传统的特征效果表现的不太明显。另外，现有研究方法对换乘点的识别准确率与回召率并不高，尤其是换乘点的准确率，在上述两种方法中，由于换乘点的准确率不高，会导致生成多余的路段，间接影响交通工具识别的准确率。
技术实现思路
本专利技术所要解决的技术问题是提供一种从GPS数据中识别交通工具的方法，提高换乘点的检测效果，以及从GPS数据中识别交通工具的准确率。为解决上述技术问题，本专利技术采用的技术方案是：一种从GPS数据中识别交通工具的方法，包括以下步骤：步骤1：初步标记GPS数据点，如果GPS数据点的速度值小于1.8m/s且该点的加速度值小于0.6m/s2时，标记该点的类型为walk-point，否则，标记该数据点的类型为non-walk-point；步骤2：得到候选的换乘点，如果一个GPS数据点的前面10个GPS数据点中有80％的点的标记类型为walk-point，且该GPS数据点后面10个GPS数据点中有80％的点的标记类型为non-walk-point，或者一个GPS数据点的前面10个GPS数据点中有80％的点的标记类型为non-walk-point，且该GPS数据点后面10个GPS数据点中有80％的点的标记类型为walk-point，则该GPS数据点为一个潜在的换乘点，加入候选换乘点的集合；步骤3：得到真正换乘点并对轨迹进行分段；步骤4：提取特征加速度变化率ACR；具体为：4.1：计算每个GPS数据点的加速度相对值ARate，Pi:ARate＝|Ai+1-Ai|/Ai，其中Ai表示第i个GPS数据点的加速度；4.2：统计要提取特征的路段上的ARate大于指定阈值Ar的GPS数据点的个数|Pv|，Pv＝{pi|pi∈P,pi.ARate＞Ar本文档来自技高网...

【技术保护点】
一种从GPS数据中识别交通工具的方法，其特征在于，包括以下步骤：步骤1：初步标记GPS数据点，如果GPS数据点的速度值小于1.8m/s且该点的加速度值小于0.6m/s2时，标记该点的类型为walk‑point，否则，标记该数据点的类型为non‑walk‑point；步骤2：得到候选的换乘点，如果一个GPS数据点的前面10个GPS数据点中有80％的点的标记类型为walk‑point，且该GPS数据点后面10个GPS数据点中有80％的点的标记类型为non‑walk‑point，或者一个GPS数据点的前面10个GPS数据点中有80％的点的标记类型为non‑walk‑point，且该GPS数据点后面10个GPS数据点中有80％的点的标记类型为walk‑point，则该GPS数据点为一个潜在的换乘点，加入候选换乘点的集合；步骤3：得到真正换乘点并对轨迹进行分段；步骤4：提取特征加速度变化率ACR；具体为：4.1：计算每个GPS数据点的加速度相对值ARate，Pi:ARate＝|Ai+1‑Ai|/Ai，其中Ai表示第i个GPS数据点的加速度；4.2：统计要提取特征的路段上的ARate大于指定阈值Ar的GPS数据点的个数|Pv|，Pv＝{pi|pi∈P,pi.ARate＞Ar}；4.3：得到特征ACR：ACR＝|Pv|/Distance，其中Distance表示要提取特征路段的总长度；步骤5：提取特征时间片类型TS，将用户上班的高峰期上午7点到10点和下午16点到21点分成两个类型，T_busy和T_idle，如果该路段的时间在以上两个时间范围内，把该路段的特征TS的值设置为T_busy，否则，设置为T_idle；步骤6：提取路段的85％分位速度和加速度特征；步骤7：从各个路段提取出特征后，采用分类模型随机森林分类器，以特征作为输入，交通模式作为输出结果，得到交通模式的预测结果。...

【技术特征摘要】
1.一种从GPS数据中识别交通工具的方法，其特征在于，包括以下步骤：步骤1：初步标记GPS数据点，如果GPS数据点的速度值小于1.8m/s且该点的加速度值小于0.6m/s2时，标记该点的类型为walk-point，否则，标记该数据点的类型为non-walk-point；步骤2：得到候选的换乘点，如果一个GPS数据点的前面10个GPS数据点中有80％的点的标记类型为walk-point，且该GPS数据点后面10个GPS数据点中有80％的点的标记类型为non-walk-point，或者一个GPS数据点的前面10个GPS数据点中有80％的点...

【专利技术属性】
技术研发人员：朱敏，朱秋辉，符敏，周峥澔，王建华，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51