融合轨迹空间语义特征的车辆类型识别方法

摘要

【目的】掌握路网中运行车辆类别信息制定道路设计标准，评估道路寿命周期，实现智能交通管控和个性化导航指引，并针对现有轨迹数据提取方法存在的缺陷提出改进方法。【方法】提出一种融合轨迹空间语义特征的车辆类型识别方法，该方法首先通过识别车辆停留点进行可变微行程划分，进而计算速度、加速度分布区间等车辆自身运动特征和途经道路、停留地点等关联地理语义信息，最后利用多核支持向量机、概率神经网络、随机森林分类模型进行牵引车、货车和客车三分类试验。【结果】对比不同分类方法，随机森林分类精度最高，平均分类精度在92%以上，概率神经网络次之，多核支持向量机分类精度最低；对比不同行程划分方式，基于停留点的可变长度行程分割方式的车辆精度比固定长度行程分割方式的车辆分类精度提升了15.38%～24.29%；对比不同特征组合方式，融合道路和停留点等空间语义信息比单纯基于运动特征的车辆分类精度提升了15.38%～37.31%；在不同类型车辆的识别中，客车分类精确率最高，达到93.80%，误分类主要集中在货车和牵引车中。【结论】提出的车辆分类方法适用于不同时间获取的车辆轨迹数据，能有效克服车辆轨迹时空异质性问题。

关键词

轨迹数据挖掘 / 车辆类型识别 / 空间语义特征 / 运动行为模式