考虑卡口网络拓扑结构的车辆出行轨迹重构方法

1.本发明涉及智能交通中的车辆轨迹重构技术领域，具体涉及一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法。

背景技术：

2.车辆出行路径中蕴含着大量的个体出行特征和规律，可以看作是路网交通状态信息的静态存储。提取并分析路网中所有行驶车辆的出行轨迹，可以还原整个路网的实际交通运行状况。如公告日为2021.01.08的中国发明专利所示：基于车牌识别数据的通勤车辆时空轨迹重构方法及系统，其旨在利用通勤车辆的交通分布特性，补全轨迹的空间位置缺失，提高对时间节点的还原精度，准确地获知通勤车辆出现在路网中各交叉口的时间。
3.由于交通信息采集设备在路网覆盖率、采样频率、采样时间等参数指标上的差异，且在数据采集和传输过程中往往会出现数据异常、缺失等问题。因此，需要进一步对车辆出行轨迹进行重构以提高轨迹识别结果的准确性。
4.面向轨迹的交通信息采集技术根据检测设备位置是否固定，大体分为定点检测和移动检测两种方式。定点检测设备包括感应线圈、红外线检测器等；移动检测设备包括浮动车、gps、手机信令等。目前大部分基于gps数据的车辆出行轨迹重构方法数据来源较为单一，无法应用于大规模路网级别的轨迹提取。而且，随着交通卡口设备的路网覆盖率逐渐提高，覆盖全、应用广、易获取的交通卡口数据成为车辆出行轨迹重构研究的有效依据。在现有的车辆出行轨迹重构技术中，普遍使用单次出行划分和最优轨迹决策的思想来进行轨迹重构。其中，车辆单次出行的划分依据主要为行程时间、行驶距离、速度等单个或多个出行者行为条件，未考虑到实际路网的空间结构约束，且计算步骤较多。同时，在现有的最优轨迹决策技术中，通常采用topsis决策方法、交通流理论等思想来估计车辆的真实运行轨迹，数据处理过程较为复杂，只适用于小范围路网；而且只考虑了静态路网结构而忽视了实际路网节点的交通规则，存在一定的误差，对于大规模数据集和城市路网难以得到实际应用。

技术实现要素：

5.针对现有技术的局限，本发明提出一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法，本发明采用的技术方案是：
6.一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法，包括以下步骤：
7.s1，获取原始卡口数据，对所述原始卡口数据进行格式调整，筛除无效数据；
8.s2，根据所述步骤s1的处理结果，生成具有时间关联顺序的单车出行信息集合；
9.s3，根据所述单车出行信息集合，结合路网节点的实际交通规则，构建卡口网络拓扑结构；所述卡口网络拓扑结构为描述路网卡口之间时空关系的带权有向图，用于为后续的地址匹配与轨迹还原操作提供地理参考；
10.s4，根据所述单车出行信息集合以及预设的行程时间阈值，划分单次出行轨迹；
11.s5，根据所述卡口网络拓扑结构以及单次出行轨迹，结合dijkstra算法，进行地址
匹配与轨迹还原。
12.相较于现有技术，本发明考虑了路网节点的交通规则，采用卡口网络拓扑结构以及预设的行程时间阈值来划分两次连续的单次出行，可以快速准确地识别出不同出行目的的车辆出行轨迹，极大地减少了计算量，可适用于大规模数据集；结合构建的卡口网络拓扑结构和dijkstra算法来还原车辆出行轨迹，将路网空间拓扑属性纳入到对轨迹重构的研究过程中，使得轨迹重构有较高的环境适应性。本发明的轨迹重构结果还原度较高，在实际千公里级城市路网交通场景中的表现良好。
13.作为一种优选方案，在所述步骤s1中：
14.获取osm城市路网地图以及交通卡口设备分布图，并采集特定时间段内路网卡口设备检测到的原始卡口数据；
15.根据预设的格式标准，对所述原始卡口数据中包括卡口编号、过车日期和过车时间在内的属性进行格式调整；筛除所述原始卡口数据中未识别到车辆号牌或者卡口编号的卡口过车记录，以及重复过车记录。
16.进一步的，在所述步骤s2中，以“一周”为统计时间节点，判别车辆在一周内的单车出行信息：
17.将所述步骤s1的处理结果分割为以车辆号牌为标识的组别，各组别分别包含车辆在不同时间的所有过车记录；
18.对每一组别按照检测到的过车时间进行升序排序，生成具有时间关联顺序的单车出行信息集合cr＝{θ1,θ2,
…
,θn},θi＝(bi,di,ti),i＝1,2,
…
,n；其中，n为卡口数据中车辆在一周之内被检测到的次数，θi为车辆经过的某一卡口过车记录片段，bi为该卡口设备对应的卡口编号，di为该卡口设备检测到车辆经过时的过车日期，ti为对应的过车时间，且t1《t2《
…
《tn。
19.更进一步的，在所述步骤s3中，包括以下过程：
20.根据所述单车出行信息集合，结合路网节点的实际交通规则，提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间；
21.根据所述邻近卡口对构建邻接矩阵。
22.更进一步的，在所述步骤s3中，通过以下方式提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间：
23.根据所述单车出行信息集合cr中每一过车记录的过车时间，识别所有具有时间关联的卡口对(bi,bj)，即按顺序连接在集合中相邻卡口的卡口编号；
24.以预设的最小支持度supsum作为阈值，统计卡口对(bi,bj)出现的频数f
i,j
；若f
i,j
≥supsum，则保留该卡口对作为邻近卡口对；
25.计算经过邻近卡口对的所有车辆的行驶时间
26.选取路段上的第55％位行驶时间作为邻近卡口对bi、j之间的平均行程时间at
i,j
，即其中，为车辆k经过卡口bj时检测到的过车时间，为车辆k经过卡口bi时检测到的过车时间，t
(i,j)
为经过邻近卡口对(bi,bj)的全部车辆的行驶时间集合，即n为特定时间段内经过该卡口对的车辆数。
27.更进一步的，在所述步骤s3中，通过以下方式构建邻接矩阵，对提取到的邻近卡口
对进行异常值标记：
28.提取邻近卡口对中包含的所有卡口{b1,b2,
…
,bm}作为邻接矩阵的行标签和列标签，m为邻近卡口对列表中包含的卡口数量，则邻接矩阵的大小为m
×
m；
29.根据预设的红灯时间阈值r(r∈(0,20])，并选取70％～90％位路网行程时间作为行程时间阈值b；将at
i,j
≤r和at
i,j
》b的邻近卡口对(bi,bj)标记为异常卡口对；
30.判断邻接矩阵权值ω
i,j
的取值，若at
i,j
》b，则说明卡口bi、bj不直接相连，故ω
i,j
＝0；若at
i,j
≤b，则ω
i,j
＝at
i,j
。
31.更进一步的，在所述步骤s4中，通过重复以下步骤划分单次出行轨迹：
32.按顺序遍历单车出行信息集合cr＝{θ1,θ2,
…
,θn},θi＝(bi,di,ti),i＝1,2,
…
,n；
33.比较车辆经过卡口对(bi,b
i+1
)时的过车日期di、d
i+1
是否一致：若两者日期不同且车辆经过卡口对之间的行驶时间则说明该车在卡口对(bi,b
i+1
)之间存在长时间的静止状态，即在该卡口对的前后出行轨迹不属于同一单次出行；
34.根据邻近卡口对(bi,b
i+1
)之间的平均行程时间at
i,i+1
以及标记出的异常卡口对，对车辆运行状态进行判定：若at
i,i+1
≤r，则说明该卡口对不符合实际车辆在正常车速下所能移动的距离或者是由交叉口红灯等待时间导致的重复记录，因此只保留邻近卡口对(bi,b
i+1
)中的后一个卡口过车记录，即卡口b
i+1
；若at
i,j
》b，说明车辆在该邻近卡口对之间为长时间静止状态；
35.将单车出行信息集合中存在长时间车辆静止状态的邻近卡口对(bi,b
i+1
)进行分割，从而生成两次连续的单次出行，即sr1＝{b1,b2,
…
,bi}，sr2＝{b
i+1
,b
i+2
,
…
,bn}。
36.更进一步的，在所述步骤s5中，包括以下过程：
37.根据所述卡口网络拓扑结构的邻接矩阵行、列标签以及卡口设备地理位置信息，查询卡口网络拓扑结构对应的卡口顶点在实际路网中的经纬度数据；若无法查询到对应的经纬度数据，则以该卡口编号为标识的卡口识别为无效卡口；删除卡口网络拓扑结构及其邻接矩阵中的无效卡口及其对应的关联函数关系；
38.按顺序遍历单次出行轨迹sr，查单次出行轨迹中的无效卡口，根据无效卡口在出行轨迹中的位置，分为以下两种情况进行处理：
39.若无效卡口为单次出行轨迹sr＝{b1,b2,
…
,b
i-1
,bi,b
i+1
,
…
,bd}的起点卡口b1或者终点卡口bd，则直接删除该无效卡口；
40.若无效卡口为出行轨迹sr＝{b1,b2,
…
,b
i-1
,bi,b
i+1
,
…
,bd}的中间卡口bi，运用dijkstra算法在卡口网络拓扑结构上寻卡口b
i-1
和b
i+1
之间的最短路径如果最短路径存在，则将出行轨迹中的无效卡口按顺序替换为该最短路径的中间节点；否则，直接删除该无效卡口。
41.本发明还提供以下内容：
42.一种计算机储存介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现前述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。
43.一种计算机设备，包括存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。
附图说明
44.图1为本发明实施例提供的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤示意图；
45.图2为本发明实施例中的划分单次出行轨迹过程的原理示意图；
46.图3为本发明实施例中的地址匹配与轨迹还原过程的原理示意图；
47.图4为本发明实施例中采用的城市路网及交通卡口设备分布图示例；
48.图5为本发明实施例中构建的卡口网络拓扑结构及邻接矩阵示例。
49.图6为本发明实施例中车辆的不完整出行轨迹图示例。
50.图7为本发明实施例中重构的出行轨迹图示例。
51.图8为本发明实施例中重构轨迹与gps数据的重合率。
具体实施方式
52.附图仅用于示例性说明，不能理解为对本专利的限制；
53.应当明确，所描述的实施例仅仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本技术实施例保护的范围。
54.在本技术实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本技术实施例。在本技术实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
55.下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。在本技术的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
56.此外，在本技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。以下结合附图和实施例对本发明做进一步的阐述。
57.为了解决现有技术的局限性，本实施例提供了一种技术方案，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明。
58.实施例1
59.请参考图1，一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法，包括以下步骤：
60.s1，获取原始卡口数据，对所述原始卡口数据进行格式调整，筛除无效数据；
61.s2，根据所述步骤s1的处理结果，生成具有时间关联顺序的单车出行信息集合；
62.s3，根据所述单车出行信息集合，结合路网节点的实际交通规则，构建卡口网络拓扑结构；所述卡口网络拓扑结构为描述路网卡口之间时空关系的带权有向图，用于为后续
的地址匹配与轨迹还原操作提供地理参考；
63.s4，根据所述单车出行信息集合以及预设的行程时间阈值，划分单次出行轨迹；
64.s5，根据所述卡口网络拓扑结构以及单次出行轨迹，结合dijkstra算法，进行地址匹配与轨迹还原。
65.相较于现有技术，本发明考虑了路网节点的交通规则，采用卡口网络拓扑结构以及预设的行程时间阈值来划分两次连续的单次出行，可以快速准确地识别出不同出行目的的车辆出行轨迹，极大地减少了计算量，可适用于大规模数据集；结合构建的卡口网络拓扑结构和dijkstra算法来还原车辆出行轨迹，将路网空间拓扑属性纳入到对轨迹重构的研究过程中，使得轨迹重构有较高的环境适应性。本发明的轨迹重构结果还原度较高，在实际千公里级城市路网交通场景中的表现良好。
66.作为一种优选实施例，在所述步骤s1中：
67.获取osm城市路网地图以及交通卡口设备分布图，并采集特定时间段内路网卡口设备检测到的原始卡口数据；
68.根据预设的格式标准，对所述原始卡口数据中包括卡口编号、过车日期和过车时间在内的属性进行格式调整；筛除所述原始卡口数据中未识别到车辆号牌或者卡口编号的卡口过车记录，以及重复过车记录。
69.具体的，所述原始卡口数据为在一定时间段内该路网上所有车辆通过交通卡口设备的过车记录，包括过车日期(gcrq)、过车时间(gcsj)、卡口编号(kkbh)、车辆号牌(cltmbh)等属性列。
70.由于交通路网治安卡口检测设备在车辆识别、数据采集及传输过程中会产生一定的误差，可能会导致卡口过车数据记录重复、字段缺失的异常情况，对后续的操作造成一定的干扰，因此原始卡口数据在使用前需对不符合格式规范的数据进行检查、更新和修改。
71.通过提取车辆在特定时间段内的所有卡口过车记录，并按照检测到的过车时间顺序连接可以获取单车出行信息。因此，进一步的，在所述步骤s2中，以“一周”为统计时间节点，判别车辆在一周内的单车出行信息：
72.将所述步骤s1的处理结果分割为以车辆号牌为标识的组别，各组别分别包含车辆在不同时间的所有过车记录；
73.对每一组别按照检测到的过车时间进行升序排序，生成具有时间关联顺序的单车出行信息集合cr＝{θ1,θ2,
…
,θn},θi＝(bi,di,ti),i＝1,2,
…
,n；其中，n为卡口数据中车辆在一周之内被检测到的次数，θi为车辆经过的某一卡口过车记录片段，bi为该卡口设备对应的卡口编号，di为该卡口设备检测到车辆经过时的过车日期，ti为对应的过车时间，且t1《t2《
…
《tn。
74.更进一步的，在所述步骤s3中，包括以下过程：
75.根据所述单车出行信息集合，结合路网节点的实际交通规则，提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间；
76.根据所述邻近卡口对构建邻接矩阵。
77.更进一步的，在所述步骤s3中，通过以下方式提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间：
78.根据所述单车出行信息集合cr中每一过车记录的过车时间，识别所有具有时间关
联的卡口对(bi,bj)，即按顺序连接在集合中相邻卡口的卡口编号；
79.以预设的最小支持度supsum作为阈值，统计卡口对(bi,bj)出现的频数f
i,j
；若f
i,j
≥supsum，则保留该卡口对作为邻近卡口对；
80.计算经过邻近卡口对的所有车辆的行驶时间
81.为了排除极值对整体的影响，选取路段上的第55％位行驶时间作为邻近卡口对bi、bj之间的平均行程时间at
i,j
，即其中，为车辆k经过卡口bj时检测到的过车时间，为车辆k经过卡口bi时检测到的过车时间，t
(i,j)
为经过邻近卡口对(bi,bj)的全部车辆的行驶时间集合，即n为特定时间段内经过该卡口对的车辆数。
82.更进一步的，为了排除卡口设备工作异常、车辆两次连续的单次出行以及交叉口红灯等待时间对卡口网络拓扑结构的影响，在所述步骤s3中，通过以下方式构建邻接矩阵，对提取到的邻近卡口对进行异常值标记：
83.提取邻近卡口对中包含的所有卡口{b1,b2,
…
,bm}作为邻接矩阵的行标签和列标签，m为邻近卡口对列表中包含的卡口数量，则邻接矩阵的大小为m
×
m；
84.根据预设的红灯时间阈值r(r∈(0,20])，并选取70％～90％位路网行程时间作为行程时间阈值b；将at
i,j
≤r和at
i,j
》b的邻近卡口对(bi,bj)标记为异常卡口对；
85.判断邻接矩阵权值ω
i,j
的取值，若at
i,j
》b，则说明卡口bi、bj不直接相连，故ω
i,j
＝0；若at
i,j
≤b，则ω
i,j
＝at
i,j
。
86.同一车辆在一天内可能会发生多次连续的出行行为，因此需要在单车出行信息集合中进一步合理划分单次出行。根据车辆是否处于长时间的静止状态可以确定两次连续的单次出行之间的分离位置。因此，根据前述的红灯时间阈值r和行程时间阈值b，来界定车辆在具有时间关联的卡口对之间的运行状态，以此作为单次出行轨迹划分的依据。因此，更进一步的，在所述步骤s4中，通过重复以下步骤划分单次出行轨迹：
87.按顺序遍历单车出行信息集合cr＝{θ1,θ2,
…
,θn},θi＝(bi,di,ti),i＝1,2,
…
,n；
88.比较车辆经过卡口对(bi,b
i+1
)时的过车日期di、d
i+1
是否一致：若两者日期不同且车辆经过卡口对之间的行驶时间则说明该车在卡口对(bi,b
i+1
)之间存在长时间的静止状态，即在该卡口对的前后出行轨迹不属于同一单次出行；
89.根据邻近卡口对(bi,b
i+1
)之间的平均行程时间at
i,i+1
以及标记出的异常卡口对，对车辆运行状态进行判定：若at
i,i+1
≤r，则说明该卡口对不符合实际车辆在正常车速下所能移动的距离或者是由交叉口红灯等待时间导致的重复记录，因此只保留邻近卡口对(bi,b
i+1
)中的后一个卡口过车记录，即卡口b
i+1
；若at
i,j
》b，说明车辆在该邻近卡口对之间为长时间静止状态；
90.将单车出行信息集合中存在长时间车辆静止状态的邻近卡口对(bi,b
i+1
)进行分割，从而生成两次连续的单次出行，即sr1＝{b1,b2,
…
,bi}，sr2＝{b
i+1
,b
i+2
,
…
,bn}。
91.由于卡口网络拓扑结构中包含的卡口与现实的卡口设备地理位置信息可能不完全匹配，导致车辆出行轨迹经过的部分卡口无法获取在实际路网中的对应位置，从而使出行轨迹存在部分缺失，本文称这部分卡口为无效卡口。为了解决无效卡口导致的轨迹不完
整问题，除了在单次出行轨迹中需要查并删除这些无效卡口之外，考虑到轨迹的连通性，还应进行轨迹还原处理，最终得到完整的车辆出行轨迹。更进一步的，在所述步骤s5中，包括以下过程：
92.根据所述卡口网络拓扑结构的邻接矩阵行、列标签以及卡口设备地理位置信息，查询卡口网络拓扑结构对应的卡口顶点在实际路网中的经纬度数据；若无法查询到对应的经纬度数据，则以该卡口编号为标识的卡口识别为无效卡口；删除卡口网络拓扑结构及其邻接矩阵中的无效卡口及其对应的关联函数关系；
93.按顺序遍历单次出行轨迹sr，查单次出行轨迹中的无效卡口，根据无效卡口在出行轨迹中的位置，分为以下两种情况进行处理：
94.若无效卡口为单次出行轨迹sr＝{b1,b2,
…
,b
i-1
,bi,b
i+1
,
…
,bd}的起点卡口b1或者终点卡口bd，则直接删除该无效卡口；
95.若无效卡口为出行轨迹sr＝{b1,b2,
…
,b
i-1
,bi,b
i+1
,
…
,bd}的中间卡口bi，运用dijkstra算法在卡口网络拓扑结构上寻卡口b
i-1
和b
i+1
之间的最短路径如果最短路径存在，则将出行轨迹中的无效卡口按顺序替换为该最短路径的中间节点；否则，直接删除该无效卡口。
96.更具体的，上述识别无效卡口的经纬度坐标来自于所述交通卡口设备分布图。运用dijkstra算法寻两个卡口之间的最短路径需要借助所述osm城市路网地图。
97.接下来将结合具体的数据作进一步的说明。
98.本实施例的城市路网数据及交通卡口设备分布情况如图4所示，佛山市道路总里程为7018公里。实施例中数据来源为佛山市2021年5月24日至5月30日的本地柴油货车卡口数据，共计638个交通卡口设备的1621544条原始过车记录。
99.在所述步骤s1中，首先对原始卡口数据中的卡口编号、过车日期和过车时间等属性进行格式转换和修饰，如表1所示；然后对未识别到车辆号牌或者卡口编号的卡口过车记录以及重复过车记录进行筛选。处理后的卡口数据包含1616086条过车记录。
100.表1数据格式转换示例
101.属性列名称原始数据形式规范后数据形式kkbh卡口编号440604305050002000“440604305050002000”gcrq过车日期2021-05-21 072021-05-21gcsj过车时间2021-05-21 07:56:59.00000002021-05-21 07:56:59
102.在所述步骤s2中，将卡口数据分成以车辆号牌为唯一标识的组别，并按照过车时间进行升序排序，形成单车出行信息集合。在本实施例中，以一辆车辆号牌为“粤e****b”、过车日期为“2021-05-25”的车辆为例，进行轨迹重构操作。该车的单车出行信息集合包含9个卡口过车记录，如表2所示。
103.表2“粤e****b”车辆卡口数据
[0104][0105][0106]
在所述步骤s3中，构建佛山市的卡口网络拓扑结构：
[0107]
邻近卡口对识别：提取所有单车出行信息集合中过车时间邻近的卡口对并保留高频卡口对作为邻近卡口对，共计2988对；然后计算路段上第55％位车辆行驶时间作为邻近卡口对的平均行程时间at
i,j
。
[0108]
邻接矩阵构建：根据佛山市路网实际运行状况和日常生活经验，最小红灯时间r取15s，行程时间阈值b取85％位路网行程时间，即6380s。然后，筛选at
i,j
≤r和at
i,j
》的邻近卡口对进行标记，标记的异常卡口对占全部卡口对的15.03％。最后，根据标记的异常卡口对，构建卡口网络拓扑结构及其邻接矩阵，如图5所示。
[0109]
在所述步骤s3中，由于车辆在卡口编号为“440615000000212021”和“440615000000126015”的卡口之间行驶时间超过行程时间阈值b，因此这个轨迹被划分为两次单次出行，即：
[0110]
出行1：440615000000224001-440615000000226068-440615000000226067-440615000000312004-440615000000226015-440615000000212021；
[0111]
出行2：440615000000126015-440615000000412004-440615000000124001。
[0112]
在所述步骤s4中，对车辆的单次出行轨迹进行地址匹配与轨迹还原：
[0113]
地址匹配与无效卡口识别：将车辆的单次出行轨迹与实际路网地图进行匹配，存在3个无效卡口。则出行1中地点编号3-7、出行2中地点编号7-1之间的出行轨迹是不完整的，如图6所示。删除卡口网络拓扑结构中的这3个无效卡口顶点及其关联函数。
[0114]
利用dijkstra算法对删除无效卡口后的出行轨迹进行还原：从车辆的单次出行轨迹中删除无效卡口后，基于卡口网络拓扑结构，在出行1中以地点编号3和7的卡口作为起终点、出行2中以地点编号7和1的卡口作为起终点，运用dijkstra算法查出行时间最短路径，还原删除无效卡口后的出行轨迹，重构后的轨迹如图7所示。
[0115]
在重构轨迹中选取1797条具有gps数据的车辆出行轨迹进行验证，构建不同半径的轨迹缓冲区，然后计算与gps数据点的重合率以衡量两者之间的相似度。当缓冲区半径分别取0.001、0.005、0.01和0.02十进制度时，计算结果如图8所示。当半径大于0.02时，绝大部分验证轨迹与gps数据的重合率超过了80％，说明轨迹重构的结果与实际gps数据趋近一
致，从而验证了本实施例中方法的有效性与可行性。
[0116]
实施例2
[0117]
一种计算机存储介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现实施例1中的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。
[0118]
实施例3
[0119]
一种计算机设备，包括存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。
[0120]
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。

技术特征：

1.一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，包括以下步骤：s1，获取原始卡口数据，对所述原始卡口数据进行格式调整，筛除无效数据；s2，根据所述步骤s1的处理结果，生成具有时间关联顺序的单车出行信息集合；s3，根据所述单车出行信息集合，结合路网节点的实际交通规则，构建卡口网络拓扑结构；所述卡口网络拓扑结构为描述路网卡口之间时空关系的带权有向图，用于为后续的地址匹配与轨迹还原操作提供地理参考；s4，根据所述单车出行信息集合以及预设的行程时间阈值，划分单次出行轨迹；s5，根据所述卡口网络拓扑结构以及单次出行轨迹，进行地址匹配与轨迹还原。2.根据权利要求1所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s1中：获取osm城市路网地图以及交通卡口设备分布图，并采集特定时间段内路网卡口设备检测到的原始卡口数据；根据预设的格式标准，对所述原始卡口数据中包括卡口编号、过车日期和过车时间在内的属性进行格式调整；筛除所述原始卡口数据中未识别到车辆号牌或者卡口编号的卡口过车记录，以及重复过车记录。3.根据权利要求1所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s2中，以“一周”为统计时间节点，判别车辆在一周内的单车出行信息：将所述步骤s1的处理结果分割为以车辆号牌为标识的组别，各组别分别包含车辆在不同时间的所有过车记录；对每一组别按照检测到的过车时间进行升序排序，生成具有时间关联顺序的单车出行信息集合cr＝{θ1，θ2，...，θ
n
}，θ
i
＝(b
i
，d
i
，t
i
)，i＝1，2，...，n；其中，n为卡口数据中车辆在一周之内被检测到的次数，θ
i
为车辆经过的某一卡口过车记录片段，b
i
为该卡口设备对应的卡口编号，d
i
为该卡口设备检测到车辆经过时的过车日期，t
i
为对应的过车时间，且t1＜t2＜
…
＜t
n
。4.根据权利要求3所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s3中，包括以下过程：根据所述单车出行信息集合，结合路网节点的实际交通规则，提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间；根据所述邻近卡口对构建邻接矩阵。5.根据权利要求4所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s3中，通过以下方式提取时间邻近的高频卡口对作为邻近卡口对，计算车辆经过邻近卡口对的平均行程时间：根据所述单车出行信息集合cr中每一过车记录的过车时间，识别所有具有时间关联的卡口对(b
i
，b
j
)，即按顺序连接在集合中相邻卡口的卡口编号；以预设的最小支持度supsum作为阈值，统计卡口对(b
i
，b
j
)出现的频数f
i，j
；若f
i，j
≥supsum，则保留该卡口对作为邻近卡口对；计算经过邻近卡口对的所有车辆的行驶时间选取路段上的第55％位行驶时间作为邻近卡口对b
i
、b
j
之间的平均行程时间at
i，j
，即
其中，为车辆k经过卡口b
j
时检测到的过车时间，为车辆k经过卡口b
i
时检测到的过车时间，t
(i，j)
为经过邻近卡口对(b
i
，b
j
)的全部车辆的行驶时间集合，即n为特定时间段内经过该卡口对的车辆数。6.根据权利要求5所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s3中，通过以下方式构建邻接矩阵，对提取到的邻近卡口对进行异常值标记：提取邻近卡口对中包含的所有卡口{b1，b2，...，b
m
}作为邻接矩阵的行标签和列标签，m为邻近卡口对列表中包含的卡口数量，则邻接矩阵的大小为m
×
m；根据预设的红灯时间阈值r(r∈(0，20])，并选取70％～90％位路网行程时间作为行程时间阈值b；将at
i，j
≤r和at
i，j
＞b的邻近卡口对(b
i
，b
j
)标记为异常卡口对；判断邻接矩阵权值ω
i，j
的取值，若at
i，j
＞b，则说明卡口b
i
、b
j
不直接相连，故ω
i，j
＝0；若at
i，j
≤b，则ω
i，j
＝at
i，j
。7.根据权利要求6所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s4中，通过重复以下步骤划分单次出行轨迹：按顺序遍历单车出行信息集合cr＝{θ1，θ2，...，θ
n
}，θ
i
＝(b
i
，d
i
，t
i
)，i＝1，2，...，n；比较车辆经过卡口对(b
i
，b
i+1
)时的过车日期d
i
、d
i+1
是否一致：若两者日期不同且车辆经过卡口对之间的行驶时间则说明该车在卡口对(b
i
，b
i+1
)之间存在长时间的静止状态，即在该卡口对的前后出行轨迹不属于同一单次出行；根据邻近卡口对(b
i
，b
i+1
)之间的平均行程时间at
i，i+1
以及标记出的异常卡口对，对车辆运行状态进行判定：若at
i，i+1
≤r，则说明该卡口对不符合实际车辆在正常车速下所能移动的距离或者是由交叉口红灯等待时间导致的重复记录，因此只保留邻近卡口对(b
i
，b
i+1
)中的后一个卡口过车记录，即卡口b
i+1
；若at
i，j
＞b，说明车辆在该邻近卡口对之间为长时间静止状态；将单车出行信息集合中存在长时间车辆静止状态的邻近卡口对(b
i
，b
i+1
)进行分割，从而生成两次连续的单次出行，即sr1＝{b1，b2，...，b
i
}，sr2＝{b
i+1
，b
i+2
，...，b
n
}。8.根据权利要求7所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法，其特征在于，在所述步骤s5中，包括以下过程：根据所述卡口网络拓扑结构的邻接矩阵行、列标签以及卡口设备地理位置信息，查询卡口网络拓扑结构对应的卡口顶点在实际路网中的经纬度数据；若无法查询到对应的经纬度数据，则以该卡口编号为标识的卡口识别为无效卡口；删除卡口网络拓扑结构及其邻接矩阵中的无效卡口及其对应的关联函数关系；按顺序遍历单次出行轨迹sr，查单次出行轨迹中的无效卡口，根据无效卡口在出行轨迹中的位置，分为以下两种情况进行处理：若无效卡口为单次出行轨迹sr＝{b1，b2，...，b
i-1
，b
i
，b
i+1
，...，b
d
}的起点卡口b1或者终点卡口b
d
，则直接删除该无效卡口；若无效卡口为出行轨迹sr＝{b1，b2，...，b
i-1
，b
i
，b
i+1
，...，b
d
}的中间卡口b
i
，运用dijkstra算法在卡口网络拓扑结构上寻卡口b
i-1
和b
i+1
之间的最短路径如果最短路径存在，则将出行轨迹中的无效卡口按顺序替换为该最短路径的中间节点；否则，
直接删除该无效卡口。9.一种计算机储存介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。10.一种计算机设备，包括存储介质、处理器以及储存在所述存储介质中并可被所述处理器执行的计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的考虑卡口网络拓扑结构的车辆出行轨迹重构方法的步骤。

技术总结

本发明针对现有技术的局限性，提出了一种考虑卡口网络拓扑结构的车辆出行轨迹重构方法；本发明考虑了路网节点的交通规则，采用卡口网络拓扑结构以及预设的行程时间阈值来划分两次连续的单次出行，可以快速准确地识别不同出行目的的车辆出行轨迹，极大地减少了计算量，可适用于大规模数据集；结合构建的卡口网络拓扑结构和Dijkstra算法来还原车辆出行轨迹，将路网空间拓扑属性纳入到对轨迹重构的研究过程中，使得轨迹重构有较高的环境适应性。本发明的轨迹重构结果还原度较高，在实际千公里级城市路网交通场景中的表现良好。里级城市路网交通场景中的表现良好。里级城市路网交通场景中的表现良好。