本發(fā)明屬于交通規(guī)劃與管理方法技術(shù)領(lǐng)域，涉及一種基于手機(jī)信令數(shù)據(jù)和導(dǎo)航路線數(shù)據(jù)的手機(jī)用戶出行方式識別方法。

背景技術(shù)：

各種交通方式的出行比例、公共交通分擔(dān)率等，一直是交通規(guī)劃與交通管理部門所關(guān)注的重要數(shù)據(jù)。在交通分析中，常用的交通信息采集手段包括線圈、微波、視頻等。不同的信息采集手段都有其優(yōu)勢與使用范圍。

由于線圈、微波、視頻等交通采集手段的使用空間范圍較小，無法對人們出行行為進(jìn)行持續(xù)且有效的追蹤，更難以獲取人們出行的OD信息。這些交通信息采集設(shè)備一般成本較高，由于成本與使用范圍的限制，無法對整個(gè)城市進(jìn)行大范圍的覆蓋。

目前，隨著手機(jī)的普及，手機(jī)用戶量龐大。運(yùn)營商為了提供優(yōu)質(zhì)的通信服務(wù)，通過增加基站建設(shè)的投入，使得手機(jī)信號覆蓋范圍更廣。手機(jī)號同時(shí)又是用戶身份標(biāo)識，易于區(qū)分用戶，因此手機(jī)信令數(shù)據(jù)很適合用于分析人們出行的行為，從而優(yōu)化城市的交通規(guī)劃與管理。

目前，已有使用手機(jī)信令數(shù)據(jù)分析判斷用戶出行方式的專利。《基于手機(jī)信令數(shù)據(jù)的居民出行方式綜合判別方法》通過分析出行子鏈的平均速度、出行時(shí)長、出行距離以及與GIS線網(wǎng)匹配的方法識別用戶的出行方式。其缺點(diǎn)在于并未給出用戶出行子鏈的平均速度、出行距離以及出行路徑的獲取方法。且基于手機(jī)信令數(shù)據(jù)利用現(xiàn)有的路徑匹配方法無法獲取用戶準(zhǔn)確的出行路徑，則無法獲取用戶出行子鏈的出行路程以及平均速度，進(jìn)而不能準(zhǔn)確的識別用戶的出行方式。針對以上問題本發(fā)明提出一種基于手機(jī)信令數(shù)據(jù)和導(dǎo)航路線數(shù)據(jù)的手機(jī)用戶出行方式識別的方法。其能夠簡單且有效的分析出用戶真實(shí)的出行路徑，進(jìn)而獲取出行路程以及識別用戶的出行方式。導(dǎo)航路線是指百度地圖、搜狗地圖、谷歌地圖等為用戶規(guī)劃的以不同出行方式從某一位置到另一位置的出行路徑。導(dǎo)航路線數(shù)據(jù)為導(dǎo)航路線包含的各種信息(如路程、預(yù)計(jì)花費(fèi)時(shí)長等)，此類數(shù)據(jù)能通過相應(yīng)的地圖開放API接口獲取。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的在于提供一種基于手機(jī)信令數(shù)據(jù)和導(dǎo)航路線數(shù)據(jù)的手機(jī)用戶出行方式識別方法，該方法具有準(zhǔn)確度高、使用方便的優(yōu)點(diǎn)。

為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案：

一種基于手機(jī)信令數(shù)據(jù)和導(dǎo)航路線數(shù)據(jù)的手機(jī)用戶出行方式識別方法，該方法包括以下步驟：

S1：獲取某手機(jī)用戶一段時(shí)間內(nèi)的手機(jī)信令數(shù)據(jù)，并對手機(jī)信令數(shù)據(jù)按時(shí)間先后順序排序，形成手機(jī)用戶出行軌跡序列；

S2：根據(jù)駐留點(diǎn)將用戶出行軌跡序列切割為多個(gè)有效出行段：按照停留時(shí)間，識別出此手機(jī)用戶出行軌跡序列中的駐留點(diǎn)，根據(jù)駐留點(diǎn)將出行軌跡序列切割為各有效出行段，其中駐留點(diǎn)為手機(jī)用戶停留時(shí)長超過一定閾值的單個(gè)基站或相鄰的多個(gè)基站；

S3：根據(jù)用戶出行直線距離以及直線移動速度對其出行方式進(jìn)行初步判斷；

S4：根據(jù)步驟S3的判別結(jié)果，提取對應(yīng)的導(dǎo)航路線數(shù)據(jù)；

S5：利用基于密度的聚類算法DBSCAN(Density-Based Spatial Clustering of Applications with Noise)分析得到各導(dǎo)航路線與用戶此有效出行段的基站序列的匹配度，取匹配度最大的導(dǎo)航路線為用戶此有效出行段的出行路線，且此導(dǎo)航路線對應(yīng)的交通方式為用戶的出行方式。

進(jìn)一步，所述步驟S3具體包括：獲取某有效出行段P的起點(diǎn)和終點(diǎn)，計(jì)算起點(diǎn)與終點(diǎn)之間的直線距離L_p；獲取用戶通過P所花費(fèi)的時(shí)長T_p，計(jì)算用戶直線移動速度V_p＝L_p/T_p；根據(jù)用戶直線移動速度V_p，對出行方式進(jìn)行初次判別，判別為高速出行方式和低速出行方式，其中高速出行方式包括公共交通與私人機(jī)動車，公共交通包括公交車與軌道交通，低速出行方式包括自行車與步行。

進(jìn)一步，所述步驟S4具體包括：若為高速出行方式，則提取出以駕車和公共交通的出行方式(公共交通包括公交車與軌道交通)從有效出行段P的起點(diǎn)到終點(diǎn)的導(dǎo)航路線；若為低速出行方式，則提取以各種交通方式(交通方式包括駕車、公共交通、自行車和步行，其中公共交通包括公交車與軌道交通)從有效出行段P的起點(diǎn)到終點(diǎn)的導(dǎo)航路線；設(shè)獲取到的導(dǎo)航路線集合為G＝{g₁,g₂,g₃,…,g_i,…,g_n}，g_i表示第i個(gè)導(dǎo)航路線；其中導(dǎo)航路線數(shù)據(jù)包含從起點(diǎn)到終點(diǎn)所需要經(jīng)過的道路沿線的經(jīng)緯度坐標(biāo)點(diǎn)L＝{l₁,l₂,l₃,…,l_i,…,l_n}，l_i表示第i個(gè)導(dǎo)航路線g_i對應(yīng)的經(jīng)緯度坐標(biāo)數(shù)據(jù)集、路程S＝{s₁,s₂,s₃,…,s_i,…,s_n}，S表示路程集合，s_i表示第i個(gè)導(dǎo)航路線g_i對應(yīng)的從有效出行段P的起點(diǎn)到終點(diǎn)的路程、交通方式Y(jié)＝{y₁,y₂,y₃,…y_i,…y_n}，Y表示交通方式集合，y_i表示g_i對應(yīng)的交通方式，以及花費(fèi)時(shí)長D＝{d₁,d₂,d₃,…d_i,…,d_n}，D表示花費(fèi)時(shí)長集合，d_i表示g_i對應(yīng)的花費(fèi)時(shí)長。

進(jìn)一步，所述步驟S5具體包括：

S51：設(shè)有效出行段P的基站坐標(biāo)集合為B，使用基于密度的聚類算法DBSCAN對l_i中的經(jīng)緯度坐標(biāo)點(diǎn)和B中的基站坐標(biāo)點(diǎn)進(jìn)行聚類；設(shè)聚類算法搜索領(lǐng)域半徑為Eps，最小包含點(diǎn)數(shù)為minPts；各聚類對象之間的距離為經(jīng)緯度坐標(biāo)點(diǎn)之間的距離；聚類得到m個(gè)坐標(biāo)點(diǎn)的簇C＝{c₁,c₂,c₃,…,c_t,…,c_m}，C為簇的集合，c_i為第i個(gè)簇；

S52：獲取C中含有l(wèi)_i坐標(biāo)點(diǎn)的簇CL＝{c_i,c_j,……,c_k}，其中CL包含于C，i、j、k小于m，統(tǒng)計(jì)CL各簇中B坐標(biāo)點(diǎn)的個(gè)數(shù)N_li；設(shè)B中坐標(biāo)點(diǎn)的個(gè)數(shù)為N_b，計(jì)算N_li與N_b的比率r_li，r_li＝N_li/N_b；由此得到各導(dǎo)航路線與用戶此有效出行段的基站序列的匹配度R＝{r_l1,r_l2,r_l3,…,r_li,…r_ln}；

S53：比較各導(dǎo)航路線的匹配度，若R中存在唯一的最大值，則取匹配度最大的導(dǎo)航路線g_rmax為用戶此有效出行段P所走路線，且其出行路線為g_rmax對應(yīng)的出行方式y(tǒng)_rmax，路程為s_rmax；若R中存在多個(gè)最大值，則轉(zhuǎn)到步驟S54；

S54：將匹配度最大的導(dǎo)航路線視為觀察路線，則觀察路線集合Gd＝{g_d1,g_d2,g_d3,…,g_di,…g_ds}，Gd包含于G，ds≤n，對于某些路段可采用多種交通方式，所以存在交通方式不同但路線相同的導(dǎo)航路線；獲取Gd中g(shù)_di花費(fèi)時(shí)長d_di以及用戶此有效出行段P實(shí)際花費(fèi)時(shí)長T_p，計(jì)算T_p與d_di的差值to_di，to_di＝T_p-d_di；則TO＝{to_d1,to_d2,to_d3,…to_di,…to_ds}，比較TO中各值，確定to_di最小的導(dǎo)航線路為用戶所走線路g_tomin，用戶所采用的出行方式為y_tomin，出行路程為s_tomin。

本發(fā)明的有益效果在于：與現(xiàn)有技術(shù)相比，本發(fā)明提供的方法具有實(shí)現(xiàn)簡單，識別準(zhǔn)確率高，使用方便的優(yōu)點(diǎn)。

附圖說明

為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說明：

圖1為本發(fā)明方法的流程示意圖。

具體實(shí)施方式

下面將結(jié)合附圖，對本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。

圖1為本發(fā)明方法的流程示意圖，如圖所示，本發(fā)明提供的基于手機(jī)信令數(shù)據(jù)和導(dǎo)航路線數(shù)據(jù)的手機(jī)用戶出行方式識別方法包括以下步驟：

S1：獲取某手機(jī)用戶一段時(shí)間內(nèi)的手機(jī)信令數(shù)據(jù)，并對手機(jī)信令數(shù)據(jù)按時(shí)間先后順序排序，形成手機(jī)用戶出行軌跡序列；

S2：根據(jù)駐留點(diǎn)將用戶出行軌跡序列切割為多個(gè)有效出行段：按照停留時(shí)間，識別出此手機(jī)用戶出行軌跡序列中的駐留點(diǎn)，根據(jù)駐留點(diǎn)將出行軌跡序列切割為各有效出行段，其中駐留點(diǎn)為手機(jī)用戶停留時(shí)長超過一定閾值的單個(gè)基站或相鄰的多個(gè)基站；

S3：根據(jù)用戶出行直線距離以及直線移動速度對其出行方式進(jìn)行初步判斷；

S4：根據(jù)步驟S3的判別結(jié)果，提取對應(yīng)的導(dǎo)航路線數(shù)據(jù)；

S5：利用基于密度的聚類算法DBSCAN(Density-Based Spatial Clustering of Applications with Noise)分析得到各導(dǎo)航路線與用戶此有效出行段的基站序列的匹配度，取匹配度最大的導(dǎo)航路線為用戶此有效出行段的出行路線，且此導(dǎo)航路線對應(yīng)的交通方式為用戶的出行方式。

其中，在本實(shí)施例中，步驟S3具體包括：獲取某有效出行段P的起點(diǎn)和終點(diǎn)，計(jì)算起點(diǎn)與終點(diǎn)之間的直線距離L_p；獲取用戶通過P所花費(fèi)的時(shí)長T_p，計(jì)算用戶直線移動速度V_p＝L_p/T_p；根據(jù)用戶直線移動速度V_p，對出行方式進(jìn)行初次判別，判別為高速出行方式和低速出行方式，其中高速出行方式包括公共交通與私人機(jī)動車，公共交通包括公交車與軌道交通，低速出行方式包括自行車與步行。

步驟S4具體包括：若為高速出行方式，則提取出以駕車和公共交通的出行方式(公共交通包括公交車與軌道交通)從有效出行段P的起點(diǎn)到終點(diǎn)的導(dǎo)航路線；若為低速出行方式，則提取以各種交通方式(交通方式包括駕車、公共交通、自行車和步行，其中公共交通包括公交車與軌道交通)從有效出行段P的起點(diǎn)到終點(diǎn)的導(dǎo)航路線；設(shè)獲取到的導(dǎo)航路線集合為G＝{g₁,g₂,g₃,…,g_i,…,g_n}，g_i表示第i個(gè)導(dǎo)航路線；其中導(dǎo)航路線數(shù)據(jù)包含從起點(diǎn)到終點(diǎn)所需要經(jīng)過的道路沿線的經(jīng)緯度坐標(biāo)點(diǎn)L＝{l₁,l₂,l₃,…,l_i,…,l_n}，l_i表示第i個(gè)導(dǎo)航路線g_i對應(yīng)的經(jīng)緯度坐標(biāo)數(shù)據(jù)集、路程S＝{s₁,s₂,s₃,…,s_i,…,s_n}，S表示路程集合，s_i表示第i個(gè)導(dǎo)航路線g_i對應(yīng)的從有效出行段P的起點(diǎn)到終點(diǎn)的路程、交通方式Y(jié)＝{y₁,y₂,y₃,…y_i,…y_n}，Y表示交通方式集合，y_i表示g_i對應(yīng)的交通方式，以及花費(fèi)時(shí)長D＝{d₁,d₂,d₃,…d_i,…,d_n}，D表示花費(fèi)時(shí)長集合，d_i表示g_i對應(yīng)的花費(fèi)時(shí)長。

步驟S5具體包括：

S51：設(shè)有效出行段P的基站坐標(biāo)集合為B，使用基于密度的聚類算法DBSCAN對l_i中的經(jīng)緯度坐標(biāo)點(diǎn)和B中的基站坐標(biāo)點(diǎn)進(jìn)行聚類；設(shè)聚類算法搜索領(lǐng)域半徑為Eps，最小包含點(diǎn)數(shù)為minPts；各聚類對象之間的距離為經(jīng)緯度坐標(biāo)點(diǎn)之間的距離；聚類得到m個(gè)坐標(biāo)點(diǎn)的簇C＝{c₁,c₂,c₃,…,c_t,…,c_m}，C為簇的集合，c_i為第i個(gè)簇；

S52：獲取C中含有l(wèi)_i坐標(biāo)點(diǎn)的簇CL＝{c_i,c_j,……,c_k}，其中CL包含于C，i、j、k小于m，統(tǒng)計(jì)CL各簇中B坐標(biāo)點(diǎn)的個(gè)數(shù)N_li；設(shè)B中坐標(biāo)點(diǎn)的個(gè)數(shù)為N_b，計(jì)算N_li與N_b的比率r_li，r_li＝N_li/N_b；由此得到各導(dǎo)航路線與用戶此有效出行段的基站序列的匹配度R＝{r_l1,r_l2,r_l3,…,r_li,…r_ln}；

S53：比較各導(dǎo)航路線的匹配度，若R中存在唯一的最大值，則取匹配度最大的導(dǎo)航路線g_rmax為用戶此有效出行段P所走路線，且其出行路線為g_rmax對應(yīng)的出行方式y(tǒng)_rmax，路程為s_rmax；若R中存在多個(gè)最大值，則轉(zhuǎn)到步驟S54；

S54：將匹配度最大的導(dǎo)航路線視為觀察路線，則觀察路線集合Gd＝{g_d1,g_d2,g_d3,…,g_di,…g_ds}，Gd包含于G，ds≤n，對于某些路段可采用多種交通方式，所以存在交通方式不同但路線相同的導(dǎo)航路線；獲取Gd中g(shù)_di花費(fèi)時(shí)長d_di以及用戶此有效出行段P實(shí)際花費(fèi)時(shí)長T_p，計(jì)算T_p與d_di的差值to_di，to_di＝T_p-d_di；則TO＝{to_d1,to_d2,to_d3,…to_di,…to_ds}，比較TO中各值，確定to_di最小的導(dǎo)航線路為用戶所走線路g_tomin，用戶所采用的出行方式為y_tomin，出行路程為s_tomin。

最后說明的是，以上優(yōu)選實(shí)施例僅用以說明本發(fā)明的技術(shù)方案而非限制，盡管通過上述優(yōu)選實(shí)施例已經(jīng)對本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書所限定的范圍。