基于车联网大数据的纯电动汽车行程识别算法

当前,车联网大数据驱使着智能汽车的发展,基于车联网大数据分析用户驾驶行为已成为必然趋势,但直接分析底层数据是非常困难的,需结合用户驾驶过程来分析。基于此目的,本课题提出一种基于车联网大数据的纯电动汽车行程识别算法,来实现对整车数据的聚合。

一种基于手机定位数据的出行行程识别方法

提出并实现了一种基于手机定位轨迹数据的出行行程识别方法.通过速度对轨迹点进行划分,将低于一定速度阈值以下的轨迹点合并为候选停留位置,再利用距离阈值和时间阈值对候选停留位置进行合并,从而确定出真正的停留点,继而自动统计出行次数和出行时间.该方法解决了手机定位数据的定位漂移和抖动的问题,行程识别精度高,识别结果可为交通规划工作提供相关数据,并具有比传统交通调查方法更低的成本和更短的数据更新周期.

一种面向定点轨迹数据的行程识别方法

为了对长周期定点轨迹数据进行行程识别,提出了一种基于动态阈值的定点轨迹数据行程识别方法.首先,采用聚类方法确定与阈值相关的时空多粒度参数;其次,根据参数对历史记录进行统计,计算参数对应的阈值;利用时空相关参数获取对应阈值,对轨迹进行分段,进而实现行程识别.基于真实的城市交通卡口数据的实验结果表明,使用时空相关的动态阈值方法对定点轨迹数据进行行程识别在准确率和覆盖率上都要优于传统基于固定和单一阈值的方法.