预览加载中,请您耐心等待几秒...
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN106197458A(43)申请公布日2016.12.07(21)申请号201610653628.0(22)申请日2016.08.10(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人雒江涛唐刚程克非杜亚朋李耀辉徐正(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人廖曦(51)Int.Cl.G01C21/34(2006.01)权利要求书2页说明书4页附图1页(54)发明名称一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法(57)摘要本发明涉及一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法,包括以下步骤:首先获取手机用户一段时间内的手机信令数据,并形成用户出行轨迹序列。然后利用驻留点对用户出行轨迹进行有效出行段分割。随后提取每一段有效出行段的起点以及终点,计算两点之间的直线距离,以及用户从起点到终点所花费时长。以此对用户在此有效出行段的出行方式进行初步判断,判定结果为高速出行方式和低速出行方式。随后根据上步的判定结果提取对应的导航路线,利用DBSCAN聚类算法对各导航路线与用户有效出行段的基站序列进行匹配分析,取出匹配程度最大的一条导航路线为用户所走路线,且其出行方式为此导航路线对应的出行方式。本发明优点在于其实现简单,且识别准确率高。CN106197458ACN106197458A权利要求书1/2页1.一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法,其特征在于:该方法包括以下步骤:S1:获取某手机用户一段时间内的手机信令数据,并对手机信令数据按时间先后顺序排序,形成手机用户出行轨迹序列;S2:根据驻留点将用户出行轨迹序列切割为多个有效出行段:按照停留时间,识别出此手机用户出行轨迹序列中的驻留点,根据驻留点将出行轨迹序列切割为各有效出行段,其中驻留点为手机用户停留时长超过一定阈值的单个基站或相邻的多个基站;S3:根据用户出行直线距离以及直线移动速度对其出行方式进行初步判断;S4:根据步骤S3的判别结果,提取对应的导航路线数据;S5:利用基于密度的聚类算法DBSCAN(Density-BasedSpatialClusteringofApplicationswithNoise)分析得到各导航路线与用户此有效出行段的基站序列的匹配度,取匹配度最大的导航路线为用户此有效出行段的出行路线,且此导航路线对应的交通方式为用户的出行方式。2.根据权利要求1所述的一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法,其特征在于:所述步骤S3具体包括:获取某有效出行段P的起点和终点,计算起点与终点之间的直线距离Lp;获取用户通过P所花费的时长Tp,计算用户直线移动速度Vp=Lp/Tp;根据用户直线移动速度Vp,对出行方式进行初次判别,判别为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与私人机动车,公共交通包括公交车与轨道交通,低速出行方式包括自行车与步行。3.根据权利要求2所述的一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法,其特征在于:所述步骤S4具体包括:若为高速出行方式,则提取出以驾车和公共交通的出行方式从有效出行段P的起点到终点的导航路线;若为低速出行方式,则提取以各种交通方式从有效出行段P的起点到终点的导航路线;设获取到的导航路线集合为G={g1,g2,g3,…,gi,…,gn},gi表示第i个导航路线;其中导航路线数据包含从起点到终点所需要经过的道路沿线的经纬度坐标点L={l1,l2,l3,…,li,…,ln},li表示第i个导航路线gi对应的经纬度坐标数据集、路程S={s1,s2,s3,…,si,…,sn},S表示路程集合,si表示第i个导航路线gi对应的从有效出行段P的起点到终点的路程、交通方式Y={y1,y2,y3,…yi,…yn},Y表示交通方式集合,yi表示gi对应的交通方式,以及花费时长D={d1,d2,d3,…di,…,dn},D表示花费时长集合,di表示gi对应的花费时长。4.根据权利要求3所述的一种基于手机信令数据和导航路线数据的手机用户出行方式识别方法,其特征在于:所述步骤S5具体包括:S51:设有效出行段P的基站坐标集合为B,使用基于密度的聚类算法DBSCAN对li中的经纬度坐标点和B中的基站坐标点进行聚类;设聚类算法搜索领域半径为Eps,最小包含点数为minPts;各聚类对象之间的距离为经纬度坐标点之间的距离;聚类得到m个坐标点的簇C={c1,c2,c3,…,ct,…,cm},C为簇的集合,ci为第i个簇;S52:获取C中含有li坐标点的簇CL={ci,cj,……,ck},其中CL包含于C,i、j、k小于m,统计C