一种基于时空轨迹数据的待改善交通设施识别方法及系统

摘要

本发明提供了一种基于时空轨迹数据的待改善交通设施识别方法及系统，获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成待处理信令数据和待处理车数据；从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵，最终得到交通设施利用度量指标；根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施。本发明所述方法及系统，利用手机信令数据和车辆GPS数据等多源时空轨迹数据，建立交通设施利用度量指标，定量评估群体活动与交通设施的适应性，识别待改善的交通设施。

说明书

技术领域

本发明涉及交通状态数据处理技术领域，尤其涉及的是一种基于时空轨迹数据的待改善交通设施识别方法及系统。

背景技术

随着城市空间扩张和城市功能的完善，城市社会经济飞速发展，人口和汽车持续增长，使得城市交通设施利用问题日益凸显，涌现出交通拥堵、交通事故频发、资源使用率不均等问题。其中很重要的原因是交通设施与人类活动适应性不足导致的。城市交通设施的布局与利用能否保证交通高效运行，关系着城市功能发挥和人们的生活质量。

传统的城市交通设施分析以静态交通网络数据为主，从物的角度审视交通网络布局的效果及其优劣，缺乏真实活动与交通设施相互作用的数据实证。时空轨迹数据的爆发为动态交通设施利用评估提供了历史性机遇。通过对时空轨迹数据进行大规模真实出行活动的提取，可以构建活动时空强度与交通设施利用的映射关系，从而对交通设施的真实利用进行评估， 度量群体活动与交通设施的适应性，识别待改善的交通设施。

因此，现有技术有待于进一步的改进。

发明内容

鉴于上述现有技术中的不足之处，本发明的目的在于提供一种基于时空轨迹数据的待改善交通设施识别方法及系统，克服现有技术中缺乏真实活动与交通设施相互作用的数据，无法对交通设施的真实利用率进行评估计算，无法及时对待改善交通设施进行改善的缺陷。

本发明提供的第一实施例为一种基于时空轨迹数据的待改善交通设施识别方法，其中，包括：

步骤A、获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成对应符合特定格式的待处理信令数据和待处理车数据；

步骤B、根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵；

步骤C、根据所述活动点轨迹数据和所述交通设施流量时空矩阵，得到交通设施利用度量指标；

步骤D、根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施。

可选的，所述步骤A中对所述手机信令数据和浮动车数据进行预处理的步骤包括：

步骤A1、对手机信令数据进行质量清洗，去除重复数据、去除属性缺失的数据、去除时空和空间不处于预设范围内的数据，以及去除用户点数量小于或大于一定阈值的用户数据，得到预处理信令数据；

步骤A2、对浮动车数据进行质量清洗，去除重复数据、去除属性缺失的数据，去除时空和空间不处于预设范围内的数据，根据采样频率和前后相邻的采样数据进行均值补齐，得到预处理车数据；

步骤A3、将预处理信令数据的空间分辨率根据预设规则格网尺度的分辨率进行转换，得到基于预设规则格网尺度采样的待处理信令数据；

步骤A4、去除预处理车数据中不处于预设采样频率范围内的数据删除，并根据预设频率将预处理车数据转换成等时间间隔采样的待处理车数据。

可选的，所述步骤B中根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据的步骤还包括：

步骤B11、将待处理信令数据按照预设排序规则进行排序，得到个体时序轨迹；

步骤B12、根据个体时序轨迹，计算进入和离开各个格网的时间，并将个体进入的第一个位置点设置为活动点轨迹中的第一个活动点；

步骤B13、计算个体时序轨迹中每一个位置点与已有的活动点的空间距离与时间差值，若空间距离小于设定阈值，且时间差值小于第一阈值，则将所述位置点加入活动点，否则，将所述位置点设为新的活动点，直到个体时序轨迹中所有位置点全部计算完毕，得到候选活动点轨迹；

步骤B14、获取候选活动点轨迹中的候选活动点，当检测到候选活动点的进入时间和离开时间的差值小于第二设定阈值，则将对应候选活动点从候选活动点轨迹中移除后，生成活动点轨迹数据。

可选的，所述步骤B中根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵包括：

步骤B21、根据浮动车数据的获取时间，将待处理车数据分成至少两个特征日数据，并将各个特征日数据分成多个时段，并将各个时段作为观测时点；

步骤B22、根据统计出的各个路段在观测时点的浮动车流量数据，构建交通设施流量时空矩阵。

可选的，所述步骤C还包括：

步骤C1、将活动点轨迹数据按照格网编号和与所述交通设施流量时空矩阵一致的时间进行统计，计算各个时段不同活动点的人类活动总量；

步骤C2、根据各个时段不同格网内的人类活动总量，计算交通路段中各个格网内的人类活动总量。

可选的，所述步骤D还包括：

计算格网内人类活动总量的均值E和方差δ，以及判断交通设施所在格网的人类活动总量是否处于[0,>δ]之间，若处于，则判定为不属于待改善交通设施，否则，判定属于待改善交通设施。

本发明所提供的第二实施例为一种基于时空轨迹数据的待改善交通设施识别系统，其中，包括：

预处理模块，用于获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成对应符合特定格式的待处理信令数据和待处理车数据；

活动数据提取模块，用于根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵；

度量指标获取模块，用于根据所述活动点轨迹数据和所述交通设施流量时空矩阵，得到交通设施度量指标；

识别比对模块，用于根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施。

可选的，所述活动数据提取模块包括：

车数据划分单元，用于根据浮动车数据的获取时间，将待处理车数据分成至少两个特征日数据，并将各个特征日数据分成多个时段，并将各个时段作为观测时点；

流量矩阵构建单元，用于根据统计出的各个路段在观测时点的浮动车流量数据，构建交通设施流量时空矩阵。

可选的，所述度量指标获取模块包括：

时段活动总量计算单元，用于将活动点轨迹数据按照格网编号和与所述交通设施流量时空矩阵一致的时间进行统计，计算各个时段不同活动点的人类活动总量；

格网活动总量计算单元，用于根据各个时段不同格网内的人类活动总量，计算交通路段中各个格网内的人类活动总量。

可选的，所述识别比对模块包括：

阈值对比单元，用于计算格网内人类活动总量的均值E和方差δ，以及判断交通设施所在格网的人类活动总量是否处于[0,>δ]之间，若处于，则判定为不属于待改善交通设施，否则，判定属于待改善交通设施。

有益效果，本发明提供了一种基于时空轨迹数据的待改善交通设施识别方法及系统，利用手机信令数据和车辆GPS数据等多源时空轨迹数据，根据提取出的群体活动-出行的时空规律，建立交通设施利用度量指标，定量评估群体活动与交通设施的适应性，识别待改善的交通设施。

附图说明

图1是本发明所提供的一种基于时空轨迹数据的待改善交通设施识别方法的步骤流程图；

图2是本发明所提供的待改善交通设施识别方法的结构示意图；

图3是本发明所提供的一种基于时空轨迹数据的待改善交通设施识别系统的原理结构框图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

本发明提供的第一实施例为一种基于时空轨迹数据的待改善交通设施识别方法，如图1所示，包括：

步骤S1、获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成对应符合特定格式的待处理信令数据和待处理车数据。

服务器后台获取手机信令数据和接收浮动车GPS定位模块采集的浮动车数据，由于获取到的手机信令数据和浮动车数据为一定区域内人群在一定时间内产生的数据，所以需要对数据进行预处理，得到满足符合特定格式的待处理信令数据和待处理车数据。

进一步的实施例中，步骤S100中具体包括：

步骤S101、获取手机信令数据，对原始手机信令数据进行质量清洗，去除重复数据，去除属性缺失的数据，去除时间和空间不在预定范围内的数据，去除用户点数量小于或大于一定阈值的用户数据，生成预处理信令数据；

步骤S102、对浮动车数据进行质量清洗，去除重复数据、去除属性缺失的数据，去除时空和空间不处于预设范围内的数据，根据采样频率和前后相邻的采样数据进行均值补齐，得到预处理车数据。

步骤S103、将预处理信令数据的空间分辨率根据预设规则格网尺度的分辨率进行转换，得到基于预设规则格网尺度采样的待处理信令数据；

步骤S104、去除预处理车数据中不处于预设采样频率范围内的数据删除，并根据预设频率将预处理车数据转换成等时间间隔采样的待处理车数据。

具体实施时，对手机信令数据和浮动车数据进行预处理，得到使之符合之后处理要求的数据，具体内容包括：

对手机信令数据进行质量清洗，包括去除重复数据，去除属性缺失的数据，去除时间和空间不在研究范围内的数据，去除用户点数量小于或大于一定阈值的用户数据；阈值的选取取决于具体的数据类型、数据格式、数据质量。优选的，阈值取值范围为小于3个每天，大于100个每天。

对浮动车数据进行质量清洗，包括去除重复数据，去除属性缺失的数据，去除时间和空间不在研究范围内的数据；对于有断链的数据，根据其采样频率和前后相邻的采样数据进行均值补齐。

对于多源时空轨迹数据，考虑空间分辨率的影响。将手机信令数据的空间分辨率统一转换为基于规则格网的尺度。规则格网的尺度大小通常取决于以上两类数据本身的空间分辨率。所述格网为对群体的活动区域按照预定的尺度划分出的多个活动区域块，优先的尺度选择为500m*500m。

对于多源时空轨迹数据，考虑时间分辨率的影响，针对浮动车数据采样频率不一的情形，去除掉频率过于稀疏的数据，将符合频率要求的数据统一转换为等时间间隔采样的数据。

步骤S2、根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵。

根据设定时间和空间的规则，从上述步骤S1中获取到的待处理信令数据中提取出活动点，得到活动点轨迹数据。

具体的，在时间上或者空间上统计格网中人群的活动情况，对格网内交通设施是否需要完善进行分析判断。

较佳的，所述步骤S2中根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据的步骤还包括：

步骤S211、将待处理信令数据按照预设排序规则进行排序，得到个体时序轨迹；

步骤S212、根据个体时序轨迹，计算进入和离开各个格网的时间，并将个体进入的第一个位置点设置为活动点轨迹中的第一个活动点；

步骤S213、计算个体时序轨迹中每一个位置点与已有的活动点的空间距离与时间差值，若空间距离小于设定阈值，且时间差值小于第一阈值，则将所述位置点加入活动点，否则，将所述位置点设为新的活动点，直到时序轨迹中所有位置点全部计算完毕，得到候选活动点轨迹；

步骤S214、获取候选活动点轨迹中的候选活动点，当检测到候选活动点的进入时间和离开时间的差值小于第二设定阈值，则将对应候选活动点从候选活动点轨迹中移除后，生成活动点轨迹数据。

具体实施时，对于经过处理过的手机信令数据，通过提取人的活动点，得到人的活动点轨迹。提取活动点的方法主要通过设定时间和空间的规则来判定，具体方法如下：

对于产生的手机信令数据，按照人和时间进行排序，得到人的个体时序轨迹；

利用个体时序轨迹，计算个体进入和离开每个位置（格网）的时间，第一个位置设为活动点轨迹中的第一个活动点；

随着时间移动，计算个体时序轨迹中每一点与已有的活动点轨迹中的活动点的空间距离与时间差值；若空间距离小于第一阈值，并且时间差值小于第二阈值，则将该点加入到该活动点；否则，该点设为新的活动点；直到时序轨迹中所有位置点全部计算完毕，得到候选活动点轨迹；优选的设定第一阈值的范围为500m-1000m。

对于候选活动点轨迹中的候选活动点，若该点的进入时间与离开时间的差值小于第二阈值，则认为该位置点不是活动点，将其从候选活动点轨迹中移除，最后得到的活动点轨迹。优选的，第二阈值取值范围为1小时-3小时。

进一步的，所述步骤S2中根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵包括：

步骤S221、根据浮动车数据的获取时间，将待处理车数据分成至少两个特征日数据，并将各个特征日数据分成多个时段，并将各个时段作为观测时点；

步骤S222、根据统计出的各个路段在观测时点的浮动车流量数据，构建交通设施流量时空矩阵。

通过上述步骤S1中处理过的浮动车数据， 利用其来计算真实通过交通设施的流量。具体方法如下：

根据浮动车数据的获取时间，将研究数据分成周间和周末两个特征日，将每个特征日的数据分成多个时段（24小时）。研究时，根据早晚高峰的变化趋势，选取 8:30、12:30、18:30 三个时刻作为观测时点。

构建交通设施流量时空矩阵的方法具体为：根据统计通过某一路段在某一观测时点的流量数据，得到交通设施流量时空矩阵，以此作为判断交通拥堵情况的基准。表示为，其中i表示路段的识别号，t表示时间。该交通设施流量时空矩阵数值的意义为某一时间段通过某一路段的真实交通流量数。

步骤S3、根据所述活动点轨迹数据和所述交通设施流量时空矩阵，得到交通设施利用度量指标。

本步骤中根据上述步骤S2中计算得到的活动点轨迹数据和交通设施流量时空矩阵进行度量指标计算。

具体实施例时，所述本步骤包括：

步骤S31、将活动点轨迹数据按照格网编号和与所述交通设施流量时空矩阵一致的时间进行统计，计算各个时段不同活动点的人类活动总量；

步骤S32、根据各个时段不同格网内的人类活动总量，计算交通路段中各个格网内的人类活动总量。

利用经过上述步骤中得到的活动点轨迹数据，根据群体活动-出时律，建立交通设施利用度量指标。具体方法如下：

将所获取的活动轨迹，按照格网编号和与所设定的交通设施流量时空矩阵一致的时间进行统计，计算每个时段不同格网内的人类活动总量。表示为[，其中j表示格网编号，t表示时间。

计算交通路段所在格网的活动总量。如果该路段跨多个格网，则取多个格网活动总量的平均值。表示为 。

步骤S4、根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施。

本步骤中根据上述步骤S3中计算出的交通设施利用度量指标对该格网内的交通设备是否需要改善进行判断，在具体实施例中，所述步骤S4还包括：

用于计算格网内人类活动总量的均值E和方差δ，以及判断交通设施所在格网的人类活动总量是否处于[0,>δ]之间，若处于，则判定为不属于待改善交通设施，否则，判定属于待改善交通设施。

具体实施时，本步骤中根据获取的特定时段格网内的群体活动流量，计算特定时段格网内的人类活动总量的均值E和方差δ，并判断人类活动总量是否处于[0,>δ]之间，若处于，则当前格网内交通设施在该时段的适应性充足不属于待改善交通设施，否则，认为该交通设施在该时段的适应性不足，属于待改善交通设施。

结合图2所示，本发明所公开的上述方法分别对手机信令数据预处理获取人群的活动轨迹和对浮动车数据预处理得到交通设施流量矩阵，并将活动轨迹和交通设施流量矩阵相结合，根据提取群体活动的时空分布及其转化规律，提出建立交通设施利用度量指标，实现群体活动与交通设施适应性评价，识别待改善的交通设施。本发明解决现有城市交通设施评估方法中未考虑真实人类活动与交通设施相互作用的影响，发明一种新的多源时空轨迹数据驱动的交通设施利用评价与待改善交通设施识别方法，从而实现精细化城市交通管理。

本发明突破传统方法无法实现交通设施真实活动利用的实证评价，实现支撑数据驱动的交通拥堵分析与疏解，和精细化城市交通规划与智能化城市交通管理的科学决策。

本发明所提供的第二实施例为一种基于时空轨迹数据的待改善交通设施识别系统30，如图3所示，包括：

预处理模块310，用于获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成对应符合特定格式的待处理信令数据和待处理车数据；其功能如步骤S1所述。

活动数据提取模块320，用于根据预先设定时间和空间的规则，从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵；其功能如步骤S2所述。

度量指标获取模块330，用于根据所述活动点轨迹数据和所述交通设施流量时空矩阵，得到交通设施度量指标；其功能如步骤S3所述。

识别比对模块340，用于根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施，其功能如步骤S4所述。

可选的，所述活动数据提取模块320包括：

车数据划分单元，用于根据浮动车数据的获取时间，将待处理车数据分成至少两个特征日数据，并将各个特征日数据分成多个时段，并将各个时段作为观测时点。

流量矩阵构建单元，用于根据统计出的各个路段在观测时点的浮动车流量数据，构建交通设施流量时空矩阵。

可选的，所述度量指标获取模块330包括：

时段活动总量计算单元，用于将活动点轨迹数据按照格网编号和与所述交通设施流量时空矩阵一致的时间进行统计，计算各个时段不同活动点的人类活动总量；

格网活动总量计算单元，用于根据各个时段不同格网内的人类活动总量，计算交通路段中各个格网内的人类活动总量。

可选的，所述识别比对模块340包括：

阈值对比单元，用于计算格网内人类活动总量的均值E和方差δ，以及判断交通设施所在格网的人类活动总量是否处于[0,>δ]之间，若处于，则判定为不属于待改善交通设施，否则，判定属于待改善交通设施。

本发明提供了一种基于时空轨迹数据的待改善交通设施识别方法及系统，获取手机信令数据和浮动车数据，并分别对所述手机信令数据和浮动车数据进行预处理，生成待处理信令数据和待处理车数据；从待处理信令数据中提取出活动点，得到活动点轨迹数据，以及根据预先设定的数据分析规则，从所述待处理车数据中得到交通设施流量时空矩阵，最终得到交通设施利用度量指标；根据所述交通设施利用度量指标得到群体活动流量与交通设施之间的适应性，识别出待改善交通设施。本发明所述方法及系统，利用手机信令数据和车辆GPS数据等多源时空轨迹数据，建立交通设施利用度量指标，定量评估群体活动与交通设施的适应性，识别待改善的交通设施。

可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。