一種基于手機(jī)定位的交通出行模式識別方法
【專利摘要】本發(fā)明公開了一種基于手機(jī)定位的交通出行模式識別方法，包括以下步驟：步驟1、通過手機(jī)定位算法獲取手機(jī)位置坐標(biāo)；步驟2、根據(jù)所述手機(jī)位置坐標(biāo)確定出行路徑并計算手機(jī)定位移動速度；步驟3、應(yīng)用“多特征匹配法”進(jìn)行多模式交通出行識別。本發(fā)明建立交通出行模式識別的“多特征匹配法”，對手機(jī)定位信息進(jìn)行采集、分析和時空特征匹配，可以較為準(zhǔn)確地識別公交出行、自駕車（或出租車）出行和步行出行三種典型的出行模式。通過本發(fā)明的推廣應(yīng)用，可以為城市交通規(guī)劃、建設(shè)和運(yùn)營管理提供基礎(chǔ)數(shù)據(jù)支撐，有利于交通管理部門科學(xué)決策。
【專利說明】一種基于手機(jī)定位的交通出行模式識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及交通信息服務(wù)【技術(shù)領(lǐng)域】，具體涉及一種基于手機(jī)定位的交通出行模式識別方法。
【背景技術(shù)】
[0002]交通擁堵問題是城市化面臨的最重要問題之一。為了解決交通擁堵問題，人們提出了不同的解決辦法，其中科學(xué)規(guī)劃和調(diào)度被認(rèn)為是解決交通擁堵問題的有效手段，而科學(xué)規(guī)劃和調(diào)度的基礎(chǔ)是對于交通出行信息的掌握。交通出行信息的采集有很多種方法，目前主要的采集方法概括起來主要有定點式采集和流動式采集兩種。定點采集方式包括感應(yīng)線圈檢測器采集、超聲波檢測器采集、紅外線檢測器采集、微波檢測器采集、視頻檢測器采集等。這種采集方式由于采集器安裝位置固定，因此只能采集到重要路段、交叉口的交通信息，因此在采集范圍上存在局限性。流動式采集主要指浮動車采集，浮動車方式采集到的交通信息數(shù)據(jù)的可靠性依賴于道路上行程的浮動車數(shù)量，因此，當(dāng)某一路段行駛的浮動車數(shù)量低于要求時，高路段的交通數(shù)據(jù)的可靠性就會大大降低。為了獲得全面、實時、準(zhǔn)確的交通出行信息，近年來很多人開始研究基于手機(jī)的交通出行信息采集技術(shù)，該技術(shù)具有初期投資規(guī)模小、數(shù)據(jù)采集量大、能實現(xiàn)大范圍覆蓋等特點。隨著智能手機(jī)和GPS手機(jī)的廣泛普及以及其定位精度的不斷提升，如何充分挖掘手機(jī)位置信息成為各個行業(yè)領(lǐng)域的一個研究熱點，而手機(jī)交通出行信息采集技術(shù)作為新的交通信息采集手段，目前還存在許多技術(shù)上的問題。
[0003]20世紀(jì)90年代以來，以無線定位技術(shù)(WLT)為基礎(chǔ)的交通檢測在國外的實際測驗中被廣泛的采用。2000年，加州大學(xué)伯克利分校進(jìn)行了利用網(wǎng)絡(luò)輔助的衛(wèi)星定位技術(shù)(AGPS)對圣弗朗西斯科海灣道路網(wǎng)絡(luò)進(jìn)行車量行程時間的估算，該方法整合了一系列模型，包括平均速度估計模型和誤差估計模型。加拿大交通運(yùn)輸發(fā)展中心和CELL-Loc公司開展將手機(jī)定位技術(shù)應(yīng)用于交通監(jiān)控系統(tǒng)的概念性和框架性的研究，該研究利用移動網(wǎng)絡(luò)定位技術(shù)的時間到達(dá)差(TDOA)法，嘗試提取手機(jī)所在車輛的速度等信息。加拿大交通運(yùn)輸發(fā)展中心聯(lián)合GLOBIS公司以及滑鐵盧大學(xué)進(jìn)行了一項使用手機(jī)檢測交通信息的研究，通過加拿大BELL移動運(yùn)營公司的LBS平臺，采集14個AGPS手機(jī)使用者的定位數(shù)據(jù)，采用相應(yīng)的地圖匹配算法、建立數(shù)學(xué)模型以實現(xiàn)對測試道路的平均速度進(jìn)行估計，并通過互聯(lián)網(wǎng)將交通信息發(fā)布到手機(jī)用戶。美國加州大學(xué)伯克利分校的Mobile Century項目進(jìn)行了一系列基于GPS手機(jī)采集交通信息的試驗與研究，研究首先利用100輛裝備有NOKIA N95 (具有GPS定位功能)手機(jī)的小汽車，環(huán)繞加利福尼亞州1-800公路駕駛以采集手機(jī)定位數(shù)據(jù)，收集到的數(shù)據(jù)被實時地進(jìn)行處理并通過互聯(lián)網(wǎng)進(jìn)行發(fā)布。研究對于公路交通，證明在保障手機(jī)用戶隱私安全的前提下，不需要大量的采樣車輛，系統(tǒng)既可以實現(xiàn)準(zhǔn)確的交通狀態(tài)估計和發(fā)布。對于城市干道交通，開發(fā)的Mobile Millenium系統(tǒng)通過邏輯回歸和時空自回歸移動平均數(shù)兩種統(tǒng)計算法實現(xiàn)交通狀況的估計，通過來自紐約地區(qū)在紐約地區(qū)進(jìn)行的實地試驗數(shù)據(jù)和Paramics仿真軟件的數(shù)據(jù)，對算法和系統(tǒng)進(jìn)行了測試，結(jié)果表明通過少量的GPS手機(jī)定位數(shù)據(jù),能夠很好地實現(xiàn)對城市交通主干道狀態(tài)的估計。Tsui and Shalaby建立了一套整合的GPS-GIS系統(tǒng)用以對個人行駛調(diào)查數(shù)據(jù)進(jìn)行自動化處理。該系統(tǒng)使用一個模糊邏輯識別算法，傳統(tǒng)的GPS數(shù)據(jù)記錄器被分配到調(diào)查參者，幾天后收回，用以對收集到的GPS數(shù)據(jù)進(jìn)行后期處理，通過統(tǒng)計算法對GPS軌跡進(jìn)行交通模式的識別，取得了較高的精度。Byon，Y-J.，ShalabyA等研發(fā)了一套整合GPS和GIS的軟件，名為GISTT，該軟件可以對線下的和即時的GPS數(shù)據(jù)進(jìn)行處理，以實現(xiàn)交通監(jiān)測和行駛時間的估計。Zheng等人利用手持GPS設(shè)備記錄的GPS定位軌跡，選取方式段長度、平均速度、速度均值、速度協(xié)方差等、最大的三個加速度、最大的三個速度等統(tǒng)計值，分別利用決策樹、貝葉斯網(wǎng)、支持向量機(jī)、條件隨機(jī)場等模式識別方法，對出行者采用的交通方式進(jìn)行了識別。Uno等人使用來自公交車探測的GPS數(shù)據(jù)，對行駛時間的變化和服務(wù)的水平進(jìn)行分析，在他們的研究中，交通的模式固定為公交車模式。
[0004]近年來，隨著國內(nèi)手機(jī)的迅速普及以及手機(jī)定位精度的提高，對手機(jī)數(shù)據(jù)信息的挖掘利用成為各行各業(yè)研究的熱點，國內(nèi)基于手機(jī)定位數(shù)據(jù)采集交通信息的研究也逐漸開展起來。楊飛等人通過對TDOA(時間到達(dá)差法)，A-GPS(網(wǎng)絡(luò)輔助的GPS定位)，EnhancedCell ID with A(結(jié)合時間提前量的手機(jī)定位)，Handover (切換定位)等方法投入成本以及定位準(zhǔn)確性的對比，對手機(jī)定位釆集交通信息的主要問題進(jìn)行了分析，并對該領(lǐng)域的相關(guān)成果進(jìn)行了統(tǒng)計，同時提出了未來需要攻克的難點。馬麗提出了利用手機(jī)網(wǎng)絡(luò)定位進(jìn)行高速公路實時交通參數(shù)估計的方法，該方法利用移動網(wǎng)絡(luò)計算出的車載手機(jī)的ID信息和位置信息進(jìn)行獨立車輛的識別與在路車輛數(shù)的估計，繼而利用這些數(shù)據(jù)，釆用聚類分析的方法進(jìn)行高速公路實時交通參數(shù)的估計。張建欽對比分析現(xiàn)有交通信息采集方式的優(yōu)點和不足的基礎(chǔ)上，提出了利用帶有GPS的智能手機(jī)采集、處理、發(fā)布交通信息的方法，并給出了利用GPS智能手機(jī)進(jìn)行實時交通信息采集、交通信息發(fā)布與實時動態(tài)導(dǎo)航兩個系統(tǒng)的框架，提出了研究的技術(shù)難點并進(jìn)行了初步的探討。馬占剛分析并歸納總結(jié)了移動通信技術(shù)的特點，建立了以手機(jī)短信和移動定位技術(shù)為基礎(chǔ)的交通信息采集系統(tǒng)，給出了系統(tǒng)的軟件構(gòu)架和工作流程。張治華通過利用志愿者采集的GPS軌跡信息交通模式的判別，分別采用神經(jīng)網(wǎng)絡(luò)、貝葉斯和決策樹算法，并對比了算法的準(zhǔn)確性，取得了較高的識別精度。張博利用基于手機(jī)網(wǎng)絡(luò)的定位技術(shù)，從移動網(wǎng)絡(luò)段收集出行者位置信息、出行時間等。他設(shè)計了一種簡單的路徑匹配算法和基于模糊識別的交通方式識別算法，依據(jù)北京市出行調(diào)查等經(jīng)驗數(shù)據(jù)，分別對幾種交通方式建立了隸屬度函數(shù)，通過C#編程，用路網(wǎng)信息做輔助數(shù)據(jù)，對軌道交通、步行、機(jī)動車等幾種出行方式進(jìn)行了劃分。聞彭提出了一種通過追蹤AGPS手機(jī)中的定位數(shù)據(jù)來識別交通流中的乘客所采用的交通方式的方法，通過Weka軟件建立起B(yǎng)P神經(jīng)網(wǎng)絡(luò)來對AGPS定位數(shù)據(jù)進(jìn)行交通方式的識別。
[0005]上海美慧軟件公司在基于手機(jī)采集交通信息產(chǎn)品的【技術(shù)領(lǐng)域】申請了以下5項發(fā)明專利:一種基于手機(jī)信號數(shù)據(jù)檢測交通狀態(tài)的方法(CN101510357A);—種基于手機(jī)信號數(shù)據(jù)識別機(jī)動車與非機(jī)動車的方法(CN101620785A)； 一種關(guān)鍵路徑實時動態(tài)旅行時間計算的方法(CN101982735A);—種適合交通信息表達(dá)的示意圖繪制方法(CN101996488A)。美慧公司研發(fā)的軟件應(yīng)用手機(jī)信令采集技術(shù)，利用現(xiàn)有的手機(jī)網(wǎng)絡(luò)資源和已有手機(jī)通信中的少量信息來定位手機(jī)用戶，進(jìn)而獲取實時交通數(shù)據(jù)。該技術(shù)只需在現(xiàn)有的手機(jī)網(wǎng)絡(luò)上安裝少量的采集設(shè)備，即能在短時間完成城市內(nèi)大范圍的實時交通數(shù)據(jù)采集。該技術(shù)還可融合環(huán)形線圈、浮動車GPS等其他方式采集的數(shù)據(jù)，并在上海、重慶等城市進(jìn)行了實際應(yīng)用。
[0006]總體來說，為了解決城市交通擁堵問題，對城市交通進(jìn)行科學(xué)規(guī)劃和合理調(diào)度，需要掌握市民的交通出行信息，特別是交通出行模式的客流分配狀況。目前采用的交通流量檢測方法和客流調(diào)查方法在覆蓋面和準(zhǔn)確性上均存在不足，較難獲得準(zhǔn)確、實時的城市交通出行分配信息。隨著智能手機(jī)、GPS手機(jī)的迅速普及以及定位精度的不斷提高，利用手機(jī)定位信息來檢測交通流量和識別交通出行模式，具有準(zhǔn)確、實時、覆蓋面廣、投資少等特點，具有重要的應(yīng)用價值。目前在基于手機(jī)定位的交通出行模式識別研究方面，現(xiàn)有的方法存在算法復(fù)雜、運(yùn)算量大、準(zhǔn)確性不高等問題，對交通規(guī)劃管理決策的作用不明顯，難以進(jìn)行推廣應(yīng)用。
[0007]目前國內(nèi)外的研究主要集中在利用手機(jī)定位數(shù)據(jù)檢測道路交通流量，在交通出行模式識別方面的研究開展的不多。也有專家利用手機(jī)定位信息研究交通出行模式識別，但在識別方法上存在以下問題:(1)主要通過神經(jīng)網(wǎng)絡(luò)、模糊識別等算法來實現(xiàn)，其算法過于復(fù)雜、運(yùn)算量太大，不易推廣；(2)識別的準(zhǔn)確性不高，對決策的作用不大；(3)以研究性質(zhì)為主，離實際推廣應(yīng)用還有較長的距離。

【發(fā)明內(nèi)容】

[0008]本發(fā)明的目的是提供一種基于手機(jī)定位的交通出行模式識別方法，其通過幾種交通出行模式的時空信息特征，建立交通出行模式識別的“多特征匹配法”，通過對手機(jī)定位信息進(jìn)行采集、分析和特征匹配，可以較為準(zhǔn)確地識別公交出行、自駕車(或出租車)出行和步行出行三種典型的出行模式。本方法算法簡單、容易實現(xiàn)，具有重要的社會經(jīng)濟(jì)意義和應(yīng)用推廣價值。
[0009]為實現(xiàn)以上目的，本發(fā)明采取了的技術(shù)方案是:
[0010]一種基于手機(jī)定位的交通出行模式識別方法，包括以下步驟:
[0011]步驟1、通過手機(jī)定位算法獲取手機(jī)位置坐標(biāo)；
[0012]步驟2、根據(jù)所述手機(jī)位置坐標(biāo)確定出行路徑并計算手機(jī)定位移動速度；
[0013]步驟3、多模式交通出行識別，所述多模式包括公交模式、小汽車模式以及步行模式；所述步驟3包括以下步驟:
[0014]步驟31、根據(jù)軌跡特征匹配法計算公交路徑匹配率，當(dāng)所述公交路徑匹配率不小于公交路徑匹配率設(shè)定值時，執(zhí)行步驟32，反之，執(zhí)行步驟34 ；
[0015]步驟32、根據(jù)速度特征匹配法、聚合度特征匹配法以及距離特征匹配法進(jìn)行公交模式出行識別，當(dāng)同時滿足速度特征匹配、聚合度特征匹配以及距離特征匹配時，執(zhí)行步驟33 ；
[0016]步驟33、識別為公交出行模式；
[0017]步驟34、通過速度特征匹配法進(jìn)行小汽車模式和步行模式的選擇，當(dāng)速度特征符合小汽車速度時，進(jìn)行步驟35的操作，當(dāng)速度特征符合步行速度時，執(zhí)行步驟36的操作；
[0018]步驟35、根據(jù)聚合度特征匹配法進(jìn)行小汽車模式出行識別，當(dāng)聚合度特征滿足小汽車模式出行時，則識別為小汽車模式出行；
[0019]步驟36、根據(jù)距離特征匹配法進(jìn)行步行模式出行識別，當(dāng)距離特征滿足步行模式出行特征時，識別為步行模式出行。[0020]所述軌跡特征匹配率計算方法是:
[0021]
【權(quán)利要求】
1.一種基于手機(jī)定位的交通出行模式識別方法，其特征在于，包括以下步驟: 步驟1、通過手機(jī)定位算法獲取手機(jī)位置坐標(biāo)； 步驟2、根據(jù)所述手機(jī)位置坐標(biāo)確定出行路徑并計算手機(jī)定位移動速度； 步驟3、多模式交通出行識別，所述多模式包括公交模式、小汽車模式以及步行模式；所述步驟3包括以下步驟: 步驟31、根據(jù)軌跡特征匹配法計算公交路徑匹配率，當(dāng)所述公交路徑匹配率不小于公交路徑匹配率設(shè)定值時，執(zhí)行步驟32，反之，執(zhí)行步驟34 ； 步驟32、根據(jù)速度特征匹配法、聚合度特征匹配法以及距離特征匹配法進(jìn)行公交模式出行識別，當(dāng)同時滿足速度特征匹配、聚合度特征匹配以及距離特征匹配時，執(zhí)行步驟33 ；步驟33、識別為公交出行模式； 步驟34、通過速度特征匹配法進(jìn)行小汽車模式和步行模式的選擇，當(dāng)速度特征符合小汽車速度時，進(jìn)行步驟35的操作，當(dāng)速度特征符合步行速度時，執(zhí)行步驟36的操作； 步驟35、根據(jù)聚合度特征匹配法進(jìn)行小汽車模式出行識別，當(dāng)聚合度特征滿足小汽車模式出行時，則識別為小汽車模式出行； 步驟36、根據(jù)距離特征匹配法進(jìn)行步行模式出行識別，當(dāng)距離特征滿足步行模式出行特征時，識別為步行模式出行。
2.根據(jù)權(quán)利要求1所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述軌跡特征匹配率計算方法是: G =丄 Ti?,.U)
Rfl 其中，R為出行路徑的空間矢量值，G為公交路徑匹配率，Bi為與出行路徑重合的公交線路空間矢量值，其中，i為與出行路徑重合的換乘公交線路數(shù)，I < i〈3，公交路徑匹配率設(shè)定值為0.9。
3.根據(jù)權(quán)利要求1所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，速度特征匹配法用于計算速度匹配率，速度匹配率的計算方法是:Mi=L(2)
S] 其中，j為出行模式，J=O時為公交模式出行，j=l時為小汽車模式出行，j=2時為步行模式出行，Mj為j出行模式下的速度匹配率，S為手機(jī)定位移動速度，瓦為多模式出行下的理論平均速度，冗是公交模式下的理論平均速度，孓是小汽車模式下的理論平均速度，Y是步行模式下的理論平均速度； 瓦的計算方法是: Sj = -YSeXe(3)
nfi 其中，Se為j出行模式下路段e的設(shè)計速度，Xe為j出行模式下路段e的路阻系數(shù)，η為路段總數(shù)。
4.根據(jù)權(quán)利要求3所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，步驟32中，公交模式出行滿足速度特征匹配的條件是I > Mtl > 0.67 ;步驟34中，速度特征符合小汽車速度的條件是I > M1 > 0.67 ;速度特征符合步行速度的條件是I > M2 > 0.71。
5.根據(jù)權(quán)利要求3所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述聚合度特征匹配法用于計算出行人群的聚合度，所述聚合度的計算方法為:
6.根據(jù)權(quán)利要求5所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述步驟32中，公交模式出行滿足聚合度特征匹配的方法是I > D3 > 0.6，所述步驟35中，聚合度特征滿足小汽車模式 出行的方法包括滿足自駕車模式出行和出租車模式出行，其中，聚合度特征滿足自駕車模式出行的方法是I > D3 > 0.8，聚合度特征滿足出租車模式出行的方法是I≥D3≥0.8。
7.根據(jù)權(quán)利要求1所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述步驟32中，公交模式出行滿足距離特征匹配的方法是出行路徑大于5公里且小于20公里時，步驟36中，距離特征滿足步行模式出行的方法是出行路徑小于2公里時。
8.根據(jù)權(quán)利要求1-7所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述步驟I包括: 步驟11、檢測手機(jī)用戶是否主動參與手機(jī)定位其位置坐標(biāo)，如果是，執(zhí)行步驟12，反之，執(zhí)行步驟13 ；步驟12、通過基于AGPS的手機(jī)定位算法獲取手機(jī)位置坐標(biāo)，并執(zhí)行步驟14 ； 步驟13、基于移動通信網(wǎng)絡(luò)的手機(jī)定位算法獲取手機(jī)位置坐標(biāo)，并執(zhí)行步驟14 ； 步驟14、檢測是單個手機(jī)用戶還是多個手機(jī)用戶，如果是單個手機(jī)用戶，則執(zhí)行步驟2，反之，執(zhí)行步驟15 ； 步驟15，重復(fù)步驟12或步驟13，獲取所有用戶的手機(jī)位置坐標(biāo)，基于多目標(biāo)重合定位算法獲取該多個手機(jī)用戶的手機(jī)融合位置坐標(biāo)，并執(zhí)行步驟2。
9.根據(jù)權(quán)利要求8所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述基于移動通信網(wǎng)絡(luò)的手機(jī)定位算法為基于TDOA的定位算法。
10.根據(jù)權(quán)利要求8所述的基于手機(jī)定位的交通出行模式識別方法，其特征在于，所述步驟2包括:步驟21、對每個手機(jī)用戶的手機(jī)位置坐標(biāo)或手機(jī)融合位置坐標(biāo)做多次定位并篩選；步驟22、根據(jù)篩選后的手機(jī)位置坐標(biāo)或手機(jī)融合位置坐標(biāo)確定出行的起點和終點；步驟23、確定出行路徑，出行路徑確定的方法是:采用移動通信網(wǎng)絡(luò)對手機(jī)定位時，將起點以及終點位置與最優(yōu)路徑搜索相結(jié)合，重建用戶的出行軌跡，所述出行軌跡即為出行路徑；采用AGPS對手機(jī)定位時，將起點和終點之間的GPS軌跡與道路網(wǎng)絡(luò)進(jìn)行匹配，以獲取出行路徑； 步驟24、將出行路徑除以總的有效時間間隔，獲取手機(jī)定位移動速度，所述總的有效時間間隔為從起點至終點 過程中手機(jī)移動時總時間。
【文檔編號】G08G1/01GK103810851SQ201410033560
【公開日】2014年5月21日 申請日期:2014年1月23日 優(yōu)先權(quán)日:2014年1月23日
【發(fā)明者】李勇, 周捍東 申請人:廣州地理研究所