基于兴趣点及导航数据的手机信令数据出行方式识别方法.pdf

《基于兴趣点及导航数据的手机信令数据出行方式识别方法.pdf》由会员分享，可在线阅读，更多相关《基于兴趣点及导航数据的手机信令数据出行方式识别方法.pdf（11页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911351223.1 (22)申请日 2019.12.24 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 熊宸蔡铭钟舒琦卓俊帆 (74)专利代理机构 广州粤高专利商标代理有限 公司 44102 代理人 刘俊 (51)Int.Cl. G08G 1/0968(2006.01) (54)发明名称 基于兴趣点及导航数据的手机信令数据出 行方式识别方法 (57)摘要 本发明提供一种基于兴趣点及导航数据的 手机信令数据出行方式识别。

2、方法， 该方法通过对 兴趣点分析， 在一定路程距离范围内， 用最少的 兴趣点数量代表基站小区的所有兴趣点； 然后获 取高德地图导航数据， 将出行方式分为驾车、 公 交、 骑行和步行四种； 接着引入一个出行方式识 别的得分函数S， 通过路径匹配度和时间匹配度 二则综合计算获得， 并根据移动点的数量和最大 移动点的数量给两个影响因子赋予权值； 最后计 算各出行方式及线路的综合得分S， 选取得分最 高的出行方式及相应的出行线路作为该次出行 的出行方式及出行线路。 权利要求书2页 说明书5页 附图3页 CN 111341135 A 2020.06.26 CN 111341135 A 1.一种基于兴趣点。

3、及导航数据的手机信令数据出行方式识别方法， 其特征在于， 包括 以下步骤： S1： 通过对兴趣点分析， 在一定路程距离范围内， 用最少的兴趣点数量代表基站小区的 所有兴趣点； S2： 获取高德地图导航数据， 将出行方式分为驾车、 公交、 骑行和步行四种； S3： 引入一个出行方式识别的得分函数S， 通过路径匹配度和时间匹配度二则综合计算 获得， 并根据移动点的数量和最大移动点的数量给两个影响因子赋予权值； S4： 计算各出行方式及线路的综合得分S， 选取得分最高的出行方式及相应的出行线路 作为该次出行的出行方式及出行线路。 2.根据权利要求1所述的基于兴趣点及导航数据的手机信令数据出行方式识别。

4、方法， 其特征在于， 所述步骤S1中， 筛选研究区域内的所有基站， 根据泰森多边形算法划分所有基 站， 得到矩形的voronoi图， 最后基于研究区域的外轮廓对矩形voronoi图进行裁剪， 获得研 究区域的基站小区图。 3.根据权利要求2所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S1中， 将筛选过后的研究区域内的所有道路， 进行网络拓扑， 其中路 段的阻抗为路段长度， 单行道的逆行方向的路段阻抗为一个极大值。 4.根据权利要求3所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S1中， 对兴趣点进行遍历， 每一次遍历都将。

5、在路程距离阈值Max_ disdance内覆盖最多兴趣点的兴趣点加入结果兴趣点集合中， 直至所有兴趣点被覆盖。 5.根据权利要求4所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S2中， 高德地图数据支持批量请求， 且本研究将夜间22点至早上6点 设为非公交运营时间， 即在该时段内的出行方式识别中不考虑公交出行。 6.根据权利要求5所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S3中， 得分函数S公式如下： SWrMr+WtMt 式中， Wr和Wt分别为路径匹配度权重与时间匹配度权重， Mr和Mt分别为路径匹配度与时 间匹配。

6、度。 7.根据权利要求6所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S3中， 路径匹配度权重Wr和时间匹配度权重Wt的计算如下： 1)、 当手机信令出行时间无效且移动点数量大于0时， 路径匹配度权重Wr为100， 时间 匹配度权重Wt为0； 2)、 当手机信令出行时间有效且移动点数量等于0时， 路径匹配度权重Wr为0， 时间匹 配度权重Wt为100； 3)、 当手机信令出行时间无效且移动点数量等于0时， 路径匹配度权重Wr和时间匹配度 权重Wt均为0； 4)、 当手机信令出行时间有效但移动点数量大于0时， 路径匹配度权重Wr与时间匹配度 权重Wt计算公式如。

7、下： 权利要求书 1/2 页 2 CN 111341135 A 2 式中， Wp为路径匹配度的有限权重， Wp的取值范围为0.5,1)， n为移动点数量， N为最大 移动点数量。 8.根据权利要求7所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S3中， 路径匹配度Mr的计算公式如下： 式中， nf为基站小区内有导航轨迹点的移动点数量， nh为基站小区内无导航轨迹点但与 该基站小区直接相邻的基站小区内有导航轨迹点的移动点数量， kh为导航轨迹点落在直接 相邻的基站小区内的折损系数， n为该次出行的移动点数量。 时间匹配度Mr的计算式如下： 式中， t为导航数据。

8、的属性时间， T为手机信令数据的出行时间。 9.根据权利要求8所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S4中， 若某次出行是短距离的或者短时间的， 则判定为无效出行。 10.根据权利要求9所述的基于兴趣点及导航数据的手机信令数据出行方式识别方法， 其特征在于， 所述步骤S4中， 若某次出行方式的判断中出现以下情况， 则认为该次出行的方 式无法判断： 1)、 根据有效出行的定义属于无效出行的出行； 2)、 根据权重计算原则， 旅行时间无效且移动点数量等于0的出行； 3)、 综合对比中得分最高的出行方式及路线的得分为0的出行； 4)综合对比中得分最高的出行。

9、方式及路线有多个且出行方式不相同的出行。 权利要求书 2/2 页 3 CN 111341135 A 3 基于兴趣点及导航数据的手机信令数据出行方式识别方法 技术领域 0001 本发明涉及交通出行方式识别技术领域， 更具体地， 涉及一种基于兴趣点及 导航 数据的手机信令数据出行方式识别方法。 背景技术 0002 出行方式是居民交通出行的重要特征， 分析城市交通出行中不同交通方式的 比 例， 对掌握城市交通运行的规律具有重要意义。 然而手机信令数据由于定位精 度低， 数据 时间间隔大， 以往基于GPS数据的出行方式识别算法应用于手机信令 数据中的效果很差。 因此许多研究者采用的是基于隶属度和模糊函。

10、数的出行方式 识别方式， 但不同出行方式 的出行速度、 距离及时间难以确定， 且在不同路段不 同路况下的出行速度及时间可能有较 大差异， 因此算法效果有限。 后来有学者采 用了导航数据对出行方式进行识别。 相比于基 于先验知识和隶属度函数的方法， 基于导航数据的出行方式识别考虑了道路的实际情况， 并结合时间匹配度和轨迹 匹配度综合判断手机信令用户的出行方式。 0003 虽然基于导航数据的路径匹配方式相比于基于隶属度和模糊函数的方法考 虑了 道路的实际情况， 但由于手机信令数据定位位置基本上为基站位置， 即手机 信令定位与实 际用户所处位置间可能有很大的误差距离， 且误差距离受到基站的 覆盖范围。

11、及周围基站 密度的影响。 市区的定位精度约为200至500米； 而城郊及 乡镇地区定位约为800至1000米。 在这种情况下， 直接进行两个基站间的导航 数据请求所获得的结果很有可能与用户实际 行程相差较大， 且出行距离越短， 其 出行方式的判断所受影响越大。 而用户出行的起讫点 一般均为兴趣点， 因此在判 断用户的出行方式时应考虑基站覆盖范围内的兴趣点， 从而获 得更为准确用户出 行轨迹及出行方式。 发明内容 0004 本发明提供一种可获得更为准确的用户出行轨迹及出行方式的基于兴趣点 及导 航数据的手机信令数据出行方式识别方法。 0005 为了达到上述技术效果， 本发明的技术方案如下： 00。

12、06 一种基于兴趣点及导航数据的手机信令数据出行方式识别方法， 包括以下步 骤： 0007 S1： 通过对兴趣点分析， 在一定路程距离范围内， 用最少的兴趣点数量代表 基站 小区的所有兴趣点； 0008 S2： 获取高德地图导航数据， 将出行方式分为驾车、 公交、 骑行和步行四种； 0009 S3： 引入一个出行方式识别的得分函数S， 通过路径匹配度和时间匹配度二 则综 合计算获得， 并根据移动点的数量和最大移动点的数量给两个影响因子赋予 权值； 0010 S4： 计算各出行方式及线路的综合得分S， 选取得分最高的出行方式及相应 的出 行线路作为该次出行的出行方式及出行线路。 0011 进一步。

13、地， 所述步骤S1中， 筛选研究区域内的所有基站， 根据泰森多边形 算法划 分所有基站， 得到矩形的voronoi图， 最后基于研究区域的外轮廓对矩形 voronoi图进行裁 说明书 1/5 页 4 CN 111341135 A 4 剪， 获得研究区域的基站小区图。 0012 进一步地， 所述步骤S1中， 将筛选过后的研究区域内的所有道路， 进行网 络拓扑， 其中路段的阻抗为路段长度， 单行道的逆行方向的路段阻抗为一个极大 值。 0013 进一步地， 所述步骤S1中， 对兴趣点进行遍历， 每一次遍历都将在路程距 离阈值 Max_disdance内覆盖最多兴趣点的兴趣点加入结果兴趣点集合中， 直。

14、至 所有兴趣点被覆 盖。 0014 进一步地， 所述步骤S2中， 高德地图数据支持批量请求， 且本研究将夜间 22点至 早上6点设为非公交运营时间， 即在该时段内的出行方式识别中不考虑 公交出行。 0015 进一步地， 所述步骤S3中， 得分函数S公式如下： 0016 SWrMr+WtMt 0017 式中， Wr和Wt分别为路径匹配度权重与时间匹配度权重， Mr和Mt分别为路 径匹配 度与时间匹配度。 0018 进一步地， 所述步骤S3中， 路径匹配度权重Wr和时间匹配度权重Wt的计算 如下： 0019 1)、 当手机信令出行时间无效且移动点数量大于0时， 路径匹配度权重Wr为 100， 时间。

15、匹配度权重Wt为0； 0020 2)、 当手机信令出行时间有效且移动点数量等于0时， 路径匹配度权重Wr为 0， 时间匹配度权重Wt为100； 0021 3)、 当手机信令出行时间无效且移动点数量等于0时， 路径匹配度权重Wr和 时间 匹配度权重Wt均为0； 0022 4)、 当手机信令出行时间有效但移动点数量大于0时， 路径匹配度权重Wr与 时间 匹配度权重Wt计算公式如下： 0023 0024 式中， Wp为路径匹配度的有限权重， Wp的取值范围为0.5,1)， n为移动点数 量， N为 最大移动点数量。 0025 进一步地， 所述步骤S3中， 路径匹配度Mr的计算公式如下： 0026 0。

16、027 式中， nf为基站小区内有导航轨迹点的移动点数量， nh为基站小区内无导航 轨迹 点但与该基站小区直接相邻的基站小区内有导航轨迹点的移动点数量， kh为 导航轨迹点 落在直接相邻的基站小区内的折损系数， n为该次出行的移动点数量。 0028 时间匹配度Mr的计算式如下： 0029 0030 式中， t为导航数据的属性时间， T为手机信令数据的出行时间。 0031 进一步地， 所述步骤S4中， 若某次出行是短距离的或者短时间的， 则判定 为无效 出行。 0032 进一步地， 所述步骤S4中， 若某次出行方式的判断中出现以下情况， 则认 为该次 说明书 2/5 页 5 CN 1113411。

17、35 A 5 出行的方式无法判断： 0033 1)、 根据有效出行的定义属于无效出行的出行； 0034 2)、 根据权重计算原则， 旅行时间无效且移动点数量等于0的出行； 0035 3)、 综合对比中得分最高的出行方式及路线的得分为0的出行； 0036 4)综合对比中得分最高的出行方式及路线有多个且出行方式不相同的出行。 0037 与现有技术相比， 本发明技术方案的有益效果是： 0038 本发明先对兴趣点进行了分析， 用最少的兴趣点数量代表基站小区的所有兴 趣 点， 大大减少了计算量。 之后融合了导航数据与手机信令数据， 综合考虑了时 间匹配度与 路径匹配度， 并在考虑到时间有滞后问题下进行权。

18、重分配， 得到一个 得分函数S， 选取了得 分最高的出行方式及相应的出行线路作为该次出行的出行 方式及出行线路， 有效地提高 了出行方式识别的准确率。 附图说明 0039 图1是本发明流程示意图； 0040 图2是步骤1具体流程图； 图3是实施例中轨迹匹配度计算示意图。 具体实施方式 0041 附图仅用于示例性说明， 不能理解为对本专利的限制； 0042 为了更好说明本实施例， 附图某些部件会有省略、 放大或缩小， 并不代表实 际产 品的尺寸； 0043 对于本领域技术人员来说， 附图中某些公知结构及其说明可能省略是可以理 解 的。 0044 下面结合附图和实施例对本发明的技术方案做进一步的说。

19、明。 0045 如图1所示， 一种基于兴趣点及导航数据的手机信令数据出行方式识别方法， 包 括以下步骤： 0046 步骤1(如图2所示)： 获得手机信令数据， 并对兴趣点进行分析， 用最少 的兴趣点 数量代表基站区的所有兴趣点， 其具体流程见附图2。 0047 步骤2： 获得高德导航数据， 包括GPS经纬度数据、 旅行时间数据及指引信 息数据。 将出行方式分为四种： 驾车、 公交、 骑行和步行。 并定夜间22点至早 上6点为公交非运营时 间。 0048 步骤3： 计算路径匹配度权重Wr和时间匹配度权重Wt， 其公式如下： 0049 (1)当手机信令出行时间无效且移动点数量大于0时， 路径匹配度。

20、权重Wr为 100， 时间匹配度权重Wt为0。 0050 (2)当手机信令出行时间有效且移动点数量等于0时， 路径匹配度权重Wr为 0， 时间匹配度权重Wt为100。 0051 (3)当手机信令出行时间无效且移动点数量等于0时， 路径匹配度权重Wr和 时间 匹配度权重Wt均为0。 0052 (4)当手机信令出行时间有效但移动点数量大于0时， 路径匹配度权重Wr与 时间 说明书 3/5 页 6 CN 111341135 A 6 匹配度权重Wt计算公式如下： 0053 0054 式中， Wp为路径匹配度的有限权重， Wp的取值范围为0.5,1)， n为移动点数 量， N为 最大移动点数量。 005。

21、5 本申请中定义信令出行时间小于导航所有出行方式最短旅行时间的一半以 上或 高于所有出行方式中最常旅行时间的一半以上的出行时间为无效时间。 如下 表1所示的两 条出行链的出行时间及不同交通方式的导航数据所计算的出行时 间， 单位均为秒。 其中出 行链1的手机信令出行时间为9800秒， 比导航数据中 出行时间最高的公交_2出行时间2036 秒高一半以上， 因此出行链1的出行时间 为无效出行时间； 同理， 对于出行链2， 其手机信令 出行时间小于导航数据中出 行时间最短的驾车_1的出行时间一半以上， 因此也是无效出 行时间。 0056 表1无效出行时间示意表 0057 出行链 手机信令 公交_1 。

22、公交_2 驾车_1 驾车_2 步行 骑行 1 9800 2036 2580 1205 1360 2458 1586 2 5 3664 4665 1324 1361 6513 3962 0058 步骤4： 分别计算Mr和Mt： 0059 如图3所示， 由图可知， 此次出行中基站小区内有导航轨迹点的移动点数量 nf为 3， 基站小区内无导航轨迹点但与该基站小区直接相邻的基站小区内有当好 轨迹点的移动 点数量nh为1， 假设导航轨迹点落在直接相邻的基站小区内的折损 系数kh为0.5， 则此次出 行的轨迹匹配度Mr计算如下： 0060 0061 时间匹配度Mr的计算式如下： 0062 0063 式中，。

23、 t为导航数据的出行时间， T为手机信令数据的出行时间。 0064 步骤5： 计算得分函数S， 其公式如下： 0065 SWrMr+WtMt 0066 选取得分最高的出行方式及相应的出行线路作为该次出行的出行方式及出 现线 路。 0067 本申请采用基站采集App数据对本研究提出的出行方式识别算法进行验证， 共采 集2018年12月23日至2019年3月1日共45.5万条手机信令数据， 经过 数据处理， 共获得193 次有效出行记录。 其出行识别的结果如下表2， 其中对于 折返出行， 出发地至最远点或最远 点至目的地二者之一判断正确为0.5， 二者均 判断正确记为1。 结果采用了查全率、 查准。

24、率、 F1值和正确率为指标： 0068 表2出行方式识别结果 说明书 4/5 页 7 CN 111341135 A 7 0069 0070 相同或相似的标号对应相同或相似的部件； 0071 附图中描述位置关系的用于仅用于示例性说明， 不能理解为对本专利的限制； 0072 显然， 本发明的上述实施例仅仅是为清楚地说明本发明所作的举例， 而并非 是对 本发明的实施方式的限定。 对于所属领域的普通技术人员来说， 在上述说明 的基础上还可 以做出其它不同形式的变化或变动。 这里无需也无法对所有的实施 方式予以穷举。 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， 均应包含在本发明权利要求 的保护范围之内。 说明书 5/5 页 8 CN 111341135 A 8 图1 说明书附图 1/3 页 9 CN 111341135 A 9 图2 说明书附图 2/3 页 10 CN 111341135 A 10 图3 说明书附图 3/3 页 11 CN 111341135 A 11 。