一种基于轨迹数据的高速服务区货车服务水平评价方法

技术领域

本发明涉及货车轨迹识别判断、高速服务区货车管理的技术领域，尤其涉及一种基于轨迹数据的高速服务区货车服务水平评价方法。

背景技术

高速公路服务区作为高速公路设施，对保障行车安全、提高运输效率、缓解驾驶疲劳、车辆检修、加油、用餐等方面发挥着重要的作用，随着社会经济的不断发展，高速公路通车里程逐年增加，路网不断完善，跨境长途运输车辆增多，服务区接待量不断攀升，呈现出人员流动性大、人数众多、风险隐患防控难度大、社会关注度高等特点，如何保障司乘人员生命财产安全，已经成为服务区管理工作的重中之重。

随着物流货运行业的迅速发展，全国的大部分货车车辆进行接入网服务，并对这些货车轨迹数据也具有一定的独立使用权限，随着接入车辆数目的快速增长，海量数据随之而来，现有的管理技术已不能很好的支持对于货车常跑路线、车货匹配及用户信息推荐，接憧而来的便是对于货车详细化的数据管理服务出现疏漏，引发不可避免且不小的经济损失。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于轨迹数据的高速服务区货车服务水平评价方法，能够解决现有货车管理不当出现疏漏的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，利用货运客车上的无线传输系统实时采集货车GPS轨迹数据；对所述货车GPS轨迹数据进行初步清洗，提取货车初始停留点、高速服务区范围的停留点和高速道路货车交通量；建立高速服务区服务货车能力指标，设置高速服务区指标综合动态权重，完成高速服务区服务货车能力识别。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：所述货车GPS轨迹数据包括，GPS响应时间和GPS响应的实时坐标经纬度；所述GPS响应时间包括，时间类型字段；所述GPS响应的实时坐标经纬度包括，浮点数类型字段；所述货车GPS轨迹数据返回时以其对应的货车车牌号为文件名进行返回操作，以黄、蓝代表车牌的颜色，反映货车车型大小，以代表省份的简称、各地级市的字母代码和车牌号组合而成。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：所述初步清洗包括，删除错误数据，包括定位经纬度无效的数据、定位时间无效的数据；删除GPS坐标不在研究范围内的坐标；根据字段类型格式，对所述货车GPS轨迹数据中的各个字段进行数据转换。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：提取所述货车初始停留点包括，通过停留点特征发现在一段的周期T内，货车运输的停留点位置基本是一样的，定义所述停留点为点集S，点集S里包含n个点S

其中，α＝lat1-lat2，β＝lon1-lon2，lon1、lat1代表两点之一的经纬度坐标，lon2、lat2代表另一个点的经纬度坐标。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：提取所述高速服务区范围的停留点包括，利用网络爬虫技术，通过相关地图平台，抓取确定范围内标识为服务区字段的POI点，抓取数据返回的主要字段包括，点坐标的经纬度、服务区的名称；通过相关gis软件，将所述POI点添加至地理空间地图编辑软件中，并进行人为检查，筛选所述POI点是否位于高速道路附近，对不属于所述高速道路附近的POI点做删除处理；对筛选后属于高速服务区的POI点标记为p

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：提取所述高速道路货车交通量包括，根据轨迹点识别出所述轨迹点在道路上运行的方向；处理所述轨迹点在交叉口会被交叉两条路同时被统计的现象；处理道路交通量，提取双向道路交通量。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：建立所述高速服务区服务货车能力指标包括，服务区货车日均驶入率、服务区货车高峰率、服务区货车周转率和服务区车型结构比。

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：设置所述高速服务区指标综合动态权重包括，确定静态指标权重和动态指标权重；将每个指标的静态权重ω

α

其中，α

作为本发明所述的基于轨迹数据的高速服务区货车服务水平评价方法的一种优选方案，其中：包括，根据得到的指标值进行归一化，归一化的公式如下，

将每个归一化后的数值与对应的权重进行相乘并求和，

Score＝∑α

其中，Score值反映了高速服务区服务货车能力的高低。

本发明的有益效果：本发明通过识别货车停留点和货运走廊，明确了货车行驶方向路线及停留位置，进一步提高了货车管理质量，简化了人为监控的精力和时间，促进了高速服务区的发展。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：

图1为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的流程示意图；

图2为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的部分运行代码示意图；

图3为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的又一部分运行代码示意图；

图4为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的再一部分运行代码示意图；

图5为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的初始数据示意图；

图6为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的初始数据空间分布示意图；

图7为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的初步数据示意图；

图8为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的轨迹点距离计算示意图；

图9为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的道路轨迹点判别示意图；

图10为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的货车停留点特征示意图；

图11为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的货车备选停留点的初步提取示意图；

图12为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的货车实际停留点全域数据示意图；

图13为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的高速服务与停留点示意图；

图14为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的轨迹点方向提取示意图；

图15为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的路段交通量提取示意图；

图16为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的路段双向交通量提取示意图；

图17为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的高速道路交通量提取示意图；

图18为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的静态权重运行示意图；

图19为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的指标聚类结果运行示意图；

图20为本发明一个实施例所述的基于轨迹数据的高速服务区货车服务水平评价方法的随机森林模型重要度排名示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。

同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1

参照图1～图6，为本发明的第一个实施例，提供了一种基于轨迹数据的高速服务区货车服务水平评价方法，其特征在于：包括，

S1：利用货运客车上的无线传输系统实时采集货车GPS轨迹数据。其中需要说明的是，货车GPS轨迹数据包括：

GPS响应时间和GPS响应的实时坐标经纬度；

GPS响应时间包括，时间类型字段；

GPS响应的实时坐标经纬度包括，浮点数类型字段；

货车GPS轨迹数据返回时以其对应的货车车牌号为文件名进行返回操作，以黄、蓝代表车牌的颜色，反映货车车型大小，以代表省份的简称、各地级市的字母代码和车牌号组合而成。

S2：对货车GPS轨迹数据进行初步清洗，提取货车初始停留点、高速服务区范围的停留点和高速道路货车交通量。本步骤需要说明的是，初步清洗包括：

删除错误数据，包括定位经纬度无效的数据、定位时间无效的数据；

删除GPS坐标不在研究范围内的坐标；

根据字段类型格式，对货车GPS轨迹数据中的各个字段进行数据转换。

具体的，提取货车初始停留点包括：

考虑到对于不同货车，其GPS轨迹数据反应的时间间隔，反应距离都不相同，停留点可以通过某市某个区域范围内点与点之间的距离阈值与停留点的个数再结合密度聚类算法的方法去提取；

通过停留点特征发现在一段的周期T内，货车运输的停留点位置基本是一样的，定义停留点为点集S，点集S里包含n个点S

计算点集S

其中，α＝lat1-lat2，β＝lon1-lon2，lon1、lat1代表两点之一的经纬度坐标，lon2、lat2代表另一个点的经纬度坐标；

通过计算的距离值，设定停留点的距离阈值范围，其阈值的设定方法如下：

计算货车在道路上行驶中相邻两点的距离最小值为d

计算货车轨迹点分布在道路以外的相邻两点的距离最小值为d

对于判别轨迹点是否在道路上，其具体的方法如下：

利用网络爬虫技术，抓取研究范围内的道路路网，路网返回的类型为地理文件线类型，包含的字段主要有路段id、路段等级、路段名称；

利用GIS生成缓冲区的技术，对路网生成距离为d

对轨迹点与生成的道路缓冲区利用GIS中空间连接的技术，筛选出轨迹点中位于道路缓冲区中的点p

对于停留点，点集S的另一特征，点集S中需要判别含有最小的点个数sam，即在一段时间T内，货车应该是多次在该区域范围内进行停靠；

对于sam的取值可以根据不同的时间周期T来进行划分，如在一个月内sam的值应该大于等于10；

确定好距离阈值

对于不属于备选停留点的点集p

对于备选停留点p

筛选出每个p

Δt＝stime-etime，得出货车在某天某个时间内在某个备选停留点的时间差值Δt；

根据Δt筛选出在此范围内停靠时间超过5分钟的点，作为货车的实际停留点p

由于实际停留点应该是单个点，而非点集，因此对于p

货车的单个实际停留点p

实际停留点p

提取高速服务区范围的停留点包括：

利用网络爬虫技术，通过相关地图平台，抓取确定范围内标识为服务区字段的POI点，抓取数据返回的主要字段包括，点坐标的经纬度、服务区的名称；

通过相关gis软件，将POI点添加至地理空间地图编辑软件中，并进行人为检查，筛选POI点是否位于高速道路附近，对不属于高速道路附近的POI点做删除处理；

对筛选后属于高速服务区的POI点标记为p

利用gis空间相交技术，提取每个圆形缓冲区p

提取高速道路货车交通量包括：

根据轨迹点识别出轨迹点在道路上运行的方向；

处理轨迹点在交叉口会被交叉两条路同时被统计的现象；

处理道路交通量，提取双向道路交通量；

对轨迹点p按照时间作为基准进行排序，得到排序后的轨迹点为psort，每次以前一个轨迹点为坐标原点，建立二维笛卡尔坐标系；

后一个轨迹点以前一个轨迹点为基础，进行角度识别；

角度识别的计算公式如下：

将前后轨迹点的经纬度坐标lon1、lat1、lon2、lat2转为弧度制radlon1radlat1、radlon2 radlat2；

利用反正切函数arctan2(y,x)求出值后再转为度数，y,x分别代表：y＝sin(Δlon)×cos(radlat2)、x＝cos(radlat1)×sin(radlat2)-sin(radlat1)×cos(radlat2)×cos(Δlon)，其中Δlon＝radlon2-radlon1，得出每个轨迹点基于前一个轨迹点的角度degree，其范围为0度至360度；

对于角度degree划分成“米”字型的八个范围，以正北方位记为1，顺时针依次为2,3,4,5,6,7,8，其划分的原则如下：

将360角度的方位提取为8个方向；

对轨迹点与道路缓冲区再一次进行空间连接，提取路段内含有轨迹点的路link

第一种情况：在一段连续的路段ID中出现交叉口被重复记录的现象，记分组统计后link

对整列路段数据r整体往前移动一行得到新的一列r

对筛选出来的路段进行删除处理；

第二种情况：对于车辆经过交叉口前后是两段不同的道路时，同一时间被另一个方向的道路重复记录的现象，记前一个连续路段为r

对整列路段数据r整体往前移动一行得到新的一列r

对中筛选出来的路段进行删除处理；

将某一时刻出现在某个路段的全部次数修改为1，记为车辆在某个时刻某个路段出现一次；

考虑到一条路段，可能被一辆车同一天多个时间多次经过，或者多天多次经过，但是简单用路段ID进行分组，会忽略这种现象，因此解决这种问题的具体处理方法如下：

对路段ID进行一阶差分处理得到新的一列K，即每次的后一行减前一行都到一个差分值，第一行则直接记为1，每次车辆在连续的道路行驶时，其第一行为数字i，i为任意实数值，连续道路的后n-1行全为数字0，当车辆改变道路时此时0就会改变成数字i，进一步的对数字i进行处理全部转为1，即对于K列中任意行

根据路段ID、方向的ID分层次分组统计K列的总和，其总和值即为该路段不同方向的交通量统计次数；

针对每个路段ID、方向ID的的总计交通量做进一步处理，将八个方向转为道路双向；

对每个路段ID的八个方向，按照从小到大的顺序进行排列，接着判断每个路段ID中的首位数字，当某一路段ID第一位数字为1时，可认定该路段整体走向趋于为南北走向，因此将方向ID为1，2，3，8的总计交通量认定为道路一条单向的交通量，方向ID为4，5，6，7总计交通量认定为道路另一条方向的道路交通量；

同理，当某一路段ID第一位数字为2时，可认定该路段整体走向趋于为南北偏东或偏西走向，因此将方向ID为2，3，4，5的总计交通量认定为道路一条单向的交通量，方向ID为6，7，8总计交通量认定为道路另一条方向的道路交通量；

当某一路段ID第一位数字为3时，可认定该路段整体走向趋于为东西走向，因此将方向ID为4，5的总计交通量认定为道路一条单向的交通量，方向ID为6，7，8总计交通量认定为道路另一条方向的道路交通量；

当某一路段ID第一位数字为4时，可认定该路段整体走向趋于为东西偏南或偏北走向，因此将方向ID为5，6的总计交通量认定为道路一条单向的交通量，方向ID为7，8总计交通量认定为道路另一条方向的道路交通量；

获得每个路段ID双向的道路货车交通量，包含的字段包括，路段ID、路段等级、路段名称、方向ID(双向)、方向ID的交通量；

提取道路等级为高速公路一级的路段，综上获得了高速道路货车交通量(双向)的提取。

S3：建立高速服务区服务货车能力指标，设置高速服务区指标综合动态权重，完成高速服务区服务货车能力识别。其中还需要说明的是，建立高速服务区服务货车能力指标包括：服务区货车日均驶入率、服务区货车高峰率、服务区货车周转率和服务区车型结构比；

服务区货车驶入率该指标表示日均道路货车交通量vol

道路货车交通量根据提取的高速道路货车交通量获取，即每个高速服务区缓冲区p

日均驶入服务区vol

服务区货车高峰率该指标表示高峰时段停留的货车车辆数cn

高峰时段停留的货车车辆数cn

每天停放货车车辆数cn

服务区货车周转率该指标表示服务区的1h内被使用的次数，即货车在1h内停靠的次数n

货车在1h内停靠的次数n

对所有满足条件的车辆进行统计总和，并计算与总量的比值，其比值为周转率；

服务区车型结构比该指标表示驶入服务区大型货车与小型货车的比值

大型货车与小型货车的判断根据提取高速停留点中含有的车牌号进行判断，即当车牌号标识为黄，即可认定该停留点代表的车辆为大型车，当车牌号标识为蓝，即可认定该停留点代表的车辆为小型车。

静态权重体现的是不同指标在指标体系中各自体现的重要程度,其确定方法有主观赋权法和客观赋权法，主观赋权法可用层次分析法(AHP法)、功效系数法、集值统计法，客观赋权法可用熵权法等，通过上述方法由此可得出每个指标的静态指标权重ω

计算每个高速服务区的指标值，利用无监督模型中的基于划分的聚类算法，k-means聚类算法，结合指标对每个高速服务区进行划分，划分计算的指标值，划分的参数可通过实际算法的效果进行人为的调整，一般可设定参数为2,3,4,5…n，得到不同类别的高速服务区，类别的个数由设定的参数确定，不同的类别为每个高速服务区带有的标签，以此高速服务区数据由无监督转为有监督；

利用有监督模型中的随机森林模型进行指标动态权重提取，树模型主要利用随机森林模型中的分类树，模型的因变量为划分聚类算法得出的类别标签，自变量为建立的指标；

对于每棵树的分支算法可采用信息增益或基尼系数，其中信息增益与基尼系数的公式如下：

信息熵：

基尼指数：

对获得的有监督数据，利用10折交叉验证的方法进行模型训练，即将数据分为10分，并轮流将其中的9份用于训练，1份用于验证，并循环10次，并利用网格搜索算法，得出随机森林模型中最合适的参数设定，并采取不剪枝的策略；

对训练好的模型，提取模型中反馈的每个指标的重要贡献度s

设置高速服务区指标综合动态权重包括：

确定静态指标权重和动态指标权重；

将每个指标的静态权重ω

α

其中，α

根据得到的指标值进行归一化，归一化的公式如下，

将每个归一化后的数值与对应的权重进行相乘并求和，

Score＝∑α

其中，Score值反映了高速服务区服务货车能力的高低。

实施例2

参照图5～图20，为本发明的第二个实施例，提供了一种基于轨迹数据的高速服务区货车服务水平评价方法的测试算例，具体包括：

本实施例以2021年经过某省的货车轨迹数据为例，进行实例分析，主要用到的软件为python编程软件与qgis开源地理软件。

(1)初始数据介绍

参照图5和图6，为初始数据及部分初始数据的空间分布，初始数据包含三列，第一列为时间，第二列为货车瞬时坐标的纬度坐标，第三列为货车瞬时坐标的经度坐标。

(2)数据初步清洗

参照图7，根据的数据清洗方法，利用python软件对数据进行初步清洗。

(3)计算轨迹点之间的距离

计算车辆的经纬度坐标之间的距离，结果如图8所示，其中lon2,lat2两列代表车辆下一时刻的轨迹点，dis一列代表轨迹点之间的空间距离，单位为m。

(4)判别轨迹点是否在道路上

参照图9，获得道路路网数据，利用qgis开源软件生成道路缓冲区，结合空间连接技术获取道路缓冲区中的点。

(5)提取货车备选停留点

货车停留点的空间特征如图10所示，可见停留点为点集，利用无监督聚类算法中的DBSCAN距离算法进行初步提取，并确定距离阈值为25m,最小样本点个数10个，数据得到新的一列“stay_point”，特征为每处停留点的标签，参照图11，数据“dis”距离一列中发现其值均为0，也间接验证了货车正在进行停留行为。

(6)提取货车实际停留点

进一步提取货车的实际停留点，具体如图12所示，其中“ptime”代表时间差值Δt。

(7)提取高速服务区范围的停留点

参照图13，根据方法得到了位于高速服务区的轨迹点。

(8)高速道路交通量的提取

进一步提取了轨迹点的方向，如图14所示，其中“degree”一列为角度值，“dirID”一列为“米”字型的范围数值，“方向”一列为具体的轨迹点朝向。

参照图15，为提取每个路段各个方向的货车交通量，其中“ID”为路段ID编号，“dirID”为简化的方向ID，“counts“代表该路段某方向的道路交通量。

参照图16，为提取的双向道路交通量,其中第一列为路段ID，“AB_flow”,“BA_flow”两列为双向的道路交通量。

参照图17，进一步提取了货车位于高速公路的交通量。

(9)量化提取高速道路服务区服务货车的指标

量化提取10个高速服务区的指标。具体见下表1所示：

表1：服务区指标。

(10)综合动态权重获取及服务区能力识别

参照图18，利用层次分析法，得到每个指标的静态权重，分析过程：一致性指标与随机一致性指标均小于0.1，可证明权重设置合理。

具体每个指标的权重如下表2所示

表2：指标静态权重。

计算动态指标权重，利用K-means聚类算法得到每个服务区的标签，结果如图19所示，其中“标签”一列为聚类结果，可见将服务区分为了两类。

参照图20和表3，进一步的利用随机森林模型求解指标权重。

表3：指标动态权重。

利用综合指标计算公式，求解最综合指标权重，其中公式中λ取0.5，结果见表4。

表4：指标综合权重。

利用归一化公式，得到指标数见表5。

表5：归一化服务区指标。

最终根据分数公式，计算得出了每个服务区的score值，结果见表6。

表6：服务区分数值。

根据分数值可发现服务区5的分数最好，服务区4的分数最低，可见本发明方法能有效区分高速服务区服务货车的水平。

应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。