一种基于多源数据融合的公共交通出行自动识别方法及系统

本发明属于计算机，具体涉及一种基于多源数据融合的公共交通出行自动识别方法及系统。

背景技术：

1、随着城市化进程的加快和公共交通体系的日益完善，精确识别居民公共交通出行行为对于优化交通规划、改善运营管理、制定合理票价政策具有重要的应用价值。目前，公共交通出行识别主要依赖单一数据源或简单组合方式进行，其中手机定位数据、公交ic卡刷卡数据、gps定位数据以及视频监控数据是常见的数据来源。具体而言，手机定位数据可反映用户大致位置变化，公交ic卡数据可记录乘客上下车站点信息，gps数据可提供车辆实时轨迹，视频监控数据可捕捉站点客流情况。

2、然而，在现有技术中，基于单一数据源的出行识别方法存在明显局限性。以手机定位数据为例，其定位精度通常在数百米至数公里范围内，难以精确区分用户是乘坐地铁、公交还是其他出行方式，导致出行方式识别的准确率较低。以公交ic卡数据为例，该数据仅能记录乘客在固定站点的刷卡行为，无法获取乘客在途中的出行状态，且对于换乘行为的识别能力不足。以gps定位数据为例，该数据虽然在车辆轨迹追踪方面具有优势，但无法直接获知乘客是否实际乘坐对应车辆，存在“车人分离”问题。

3、为克服单一数据源的不足，现有技术尝试将多种数据源进行组合使用，但融合效果仍不理想。其原因在于：不同数据源在数据采集频率、空间精度、时间粒度等方面存在显著差异，导致数据在时空维度上难以精确对齐；在融合过程中，不同数据源之间的信息冲突缺乏有效的协调机制，当不同数据源给出的出行判断结果相互矛盾时，现有的融合策略无法智能判定各数据源的可信度，从而导致识别结果可靠性下降；此外，传统的数据融合方法对于公共交通出行场景的复杂性缺乏充分考量，未能有效利用不同出行方式在速度特征、路径特征、停留特征等方面的差异性规律，导致多源数据融合后的识别精度提升有限，难以满足实际应用对于高准确率的需求。

技术实现思路

1、本发明的目的在于提供一种基于多源数据融合的公共交通出行自动识别方法及系统，可以有效解决现有技术中单一数据源识别精度低、多源数据融合效果不理想的技术问题。

2、为实现上述目的，本发明采取的技术方案为：一种基于多源数据融合的公共交通出行自动识别方法及系统，该方法包括多源异构数据同步采集步骤、多维时空数据智能对齐步骤、多源可信度动态评估步骤、差异化出行特征深度提取步骤以及多层次融合决策步骤。

3、所述多源异构数据同步采集步骤中，系统通过部署的多模态感知设备，同步获取包含手机定位数据、公交ic卡刷卡数据、gps定位数据以及视频监控数据的异构数据流，具体而言，该步骤通过移动通信基站定位模块获取用户的粗粒度位置轨迹，通过公交ic卡读卡器获取乘客的上下车站点信息，通过车载gps终端获取车辆的实时运行轨迹，通过站点视频监控设备获取客流捕捉图像，所有感知设备通过统一的时间戳服务进行同步校准，构建反映用户出行行为的原始多源数据集合，为后续的数据融合分析提供多维信息基础。

4、所述多维时空数据智能对齐步骤中，本发明针对不同数据源在数据采集频率、空间精度、时间粒度等方面的显著差异，采用自适应时间窗口切片技术与空间网格离散化方法，将多源数据映射至统一的时空参考框架，具体过程包括：根据各数据源的采集频率动态调整时间窗口宽度，使用基于卡尔曼滤波的插值算法填补时间序列中的数据缺失，通过网格化编码将不同精度等级的空间坐标统一至相同分辨率的网格体系，该对齐步骤消除了多源数据在时空维度上的异构性障碍，为后续的可信度评估与融合决策创造了可计算的统一数据基础。

5、所述多源可信度动态评估步骤中，本发明建立了基于数据质量特征与上下文相关性相结合的可信度量化模型，该步骤综合考量各数据源在特定时空条件下的信号质量、历史准确率以及与其它数据源的一致性关系，具体实施方式中，系统为每条数据记录计算多维可信度评分，评分维度包括信号强度指标、位置漂移指数、时空连续性度量以及交叉验证吻合度，通过可信度评分实现对不同数据源权重的动态自适应调整，该评估步骤有效解决了当不同数据源给出的出行判断结果相互矛盾时的智能判定难题。

6、所述差异化出行特征深度提取步骤中，本发明利用不同公共交通方式在速度特征、路径特征、停留特征等方面的显著差异性规律，构建多维出行特征向量库，该步骤从时空对齐后的数据中提取速度均值、速度方差、加速度分布、路径弯曲度、站点停留时长、换乘间隔等特征参数，并通过主成分分析进行特征降维与冗余消除，提取步骤充分考虑了地铁、常规公交、快速公交、出租车等不同出行方式在运行模式上的本质差异，形成具有类别可分性的特征表达，为后续的融合决策提供高维特征空间支撑。

7、所述多层次融合决策步骤中，本发明采用特征级融合与决策级融合相结合的双层融合架构，该步骤在特征级层面将多源数据的特征向量进行串行拼接与归一化处理，输入至深度神经网络分类器进行初步出行方式判定，在决策级层面将多分类器输出结果进行加权投票融合，融合权重由前述可信度评估结果动态确定，具体而言，系统综合手机定位数据的速度特征判断、公交ic卡数据的站点序列匹配、gps数据的车辆轨迹关联以及视频监控数据的乘客形体追踪，通过双层融合架构实现多信息源的协同决策，该步骤显著提升了在复杂出行场景下的识别准确率与结果可靠性。

8、优选的，所述多源异构数据同步采集步骤中，手机定位数据通过北斗导航定位系统与移动通信基站混合定位方式获取，定位精度控制在500米范围内的粗粒度轨迹，公交ic卡数据通过嵌入式车载终端实时上传，刷卡时间精度达秒级，gps定位数据通过北斗导航定位终端采集，采样频率不低于每10秒一次，视频监控数据通过高清网络摄像机获取，帧率不低于25帧每秒。

9、优选的，所述多维时空数据智能对齐步骤中，时间窗口宽度根据数据源特性进行自适应调整，手机定位数据的动态时间窗口宽度为30秒至120秒，公交ic卡数据的窗口宽度与班次间隔同步，gps数据的窗口宽度为10秒至30秒，空间网格离散化采用100米乘100米的标准网格单元，关键区域可细分至50米乘50米。

10、优选的，所述多源可信度动态评估步骤中，可信度评分采用0至100的量化体系，各维度评分权重根据历史融合准确率进行离线训练优化，当不同数据源的出行判断结果发生冲突时，系统优先采信可信度评分较高的数据源输出，并通过置信度阈值机制判定是否触发二次核验流程。

11、优选的，所述差异化出行特征深度提取步骤中，速度特征提取包括瞬时速度、均值速度、最大速度、加速度峰值以及加加速度均值，路径特征提取包括路径总长度、路径直线距离、路径弯曲度指数以及途经站点数量，停留特征提取包括站点停留时长、换乘等待时长以及进站识别时长，各特征向量维度不低于30维。

12、优选的，所述多层次融合决策步骤中，特征级融合采用深度残差网络分类器，网络层数不低于18层，决策级融合采用加权贝叶斯投票机制，融合权重根据实时可信度评分动态更新，输出结果包括出行方式类别以及对应的置信度值，当置信度值低于预设阈值时系统标记为疑似异常并触发人工复核流程。

13、本发明还提供一种基于多源数据融合的公共交通出行自动识别系统，所述系统包括多模态数据采集模块、时空智能对齐模块、多源可信度评估模块、出行特征提取模块以及多层次融合决策模块。

14、所述多模态数据采集模块被配置为构建覆盖城市公共交通全场景的感知网络，该模块包括手机定位接收单元、公交ic卡读取单元、车载gps终端单元以及站点视频监控单元，所有采集单元通过5g通信网络与后台数据处理中心进行实时传输，采用统一的时间同步协议确保数据的时间一致性，该模块不仅提供原始出行数据，更提供反映数据质量的状态标识信息，为上层融合逻辑提供原始信息支撑。

15、所述时空智能对齐模块与所述多模态数据采集模块连接，其内部集成了自适应时间切片引擎与空间网格映射引擎，该模块负责接收多源异构数据流，并利用嵌入的卡尔曼滤波算法进行时间序列插值与空间坐标标准化，该模块能够根据各数据源的采集特性动态调整处理参数，实现多源数据在统一时空框架下的精确对齐，为后续的可信度评估与特征提取提供标准化的数据输入。

16、所述多源可信度评估模块连接于所述时空智能对齐模块，被配置为执行多维度的数据质量度量与可信度量化，该模块通过集成信号质量分析器、时空连续性检测器以及交叉验证引擎，对每条数据记录进行实时可信度评分，评分结果以权重矩阵形式输出至融合决策模块，该模块能够自动识别数据异常与信号干扰，并在融合过程中自动降低低质量数据的贡献度，确保融合结果以高可信度数据为主导。

17、所述出行特征提取模块集成了特征工程流水线与深度特征学习网络，该模块从时空对齐后的标准化数据中自动提取速度特征、路径特征、停留特征等多维出行特征，并通过主成分分析进行特征降维与冗余消除，形成具有高类别可分性的特征向量，该模块还具备在线学习能力，能够根据新的出行数据持续优化特征提取策略，确保特征表达与实际出行场景的适配性。

18、所述多层次融合决策模块与所述出行特征提取模块和所述多源可信度评估模块同时连接，采用特征级融合与决策级融合相结合的双层融合架构，该模块内部包含深度神经网络分类器与贝叶斯投票融合器，分别负责特征级层面的初步判定与决策级层面的结果优化，该模块综合考量各数据源的可信度评分与特征匹配程度，输出最终的出行方式识别结果与置信度值，当识别结果置信度低于预设阈值时自动触发异常标记与人工复核流程。

19、与现有技术相比，本发明具有如下有益效果：

20、1.本发明所述的一种基于多源数据融合的公共交通出行自动识别方法及系统，通过多源异构数据同步采集步骤实现了多模态感知网络的构建，整合手机定位数据、公交ic卡数据、gps定位数据以及视频监控数据四种主流数据源，形成互补性的出行信息覆盖，该技术特征打破了单一数据源识别能力受限的技术瓶颈，为后续的多层次融合提供了丰富的信息源基础，有效解决了背景技术中因单一数据源定位精度不足或信息缺失导致的出行方式误判问题。

21、2.本发明所述的一种基于多源数据融合的公共交通出行自动识别方法及系统，通过多维时空数据智能对齐步骤解决了不同数据源在时空维度上难以精确对齐的技术难题，采用自适应时间窗口切片技术与空间网格离散化方法将异构数据统一映射至标准时空参考框架，该技术特征消除了数据采集频率、空间精度、时间粒度差异带来的融合障碍，使得多源数据能够在统一的计算框架下进行协同分析，为可信度评估与特征提取创造了可计算的统一数据基础。

22、3.本发明所述的一种基于多源数据融合的公共交通出行自动识别方法及系统，通过多源可信度动态评估步骤建立了数据质量与上下文相关性相结合的可信度量化模型，实现了当不同数据源出行判断结果相互矛盾时的智能判定，该技术特征能够根据信号质量、历史准确率、交叉验证吻合度等多维指标动态调整各数据源在融合过程中的贡献权重，有效解决了背景技术中信息冲突缺乏有效协调机制导致识别结果可靠性下降的技术问题。

23、4.本发明所述的一种基于多源数据融合的公共交通出行自动识别方法及系统，通过差异化出行特征深度提取步骤充分利用了不同公共交通方式在速度特征、路径特征、停留特征等方面的本质差异，构建具有高类别可分性的特征向量空间，该技术特征使得融合决策模块能够精准区分地铁、常规公交、快速公交等出行方式，相较于传统方法显著提升了多源数据融合后的识别精度，满足了实际应用对于高准确率的需求。