技术特征：
1.一种车辆关键路径的识别方法，其特征在于，所述方法包括：通过总车辆数据库识别出预设区域内车辆的类型；根据车辆的时空轨迹，获得每种类型车辆的时空轨迹集，根据所述每种类型车辆的时空轨迹集，获得每种类型车辆的时空轨迹相似性矩阵；使用聚类算法，基于每种类型车辆的时空轨迹相似性矩阵，将每种类型车辆划分为不同的簇，获得每种类型车辆的关键路径。2.根据权利要求1所述的方法，其特征在于，所述通过总车辆数据库识别出预设区域内车辆的类型之前，所述方法还包括：所述总车辆数据库将通过下述方法划分成出租车数据库、网约车数据库、临时办事车辆数据库、频繁过境车辆数据库和剩余车辆数据库；基于车牌规则和出行频率，识别出出租车，构建所述出租车数据库；根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长，获得所有车辆的分数值；根据出租车最小分数值和最大分数值筛选出出租车和网约车后，剔除出租车，构建所述网约车数据库；根据出行天数识别出临时办事车辆，构建所述临时办事车辆数据库，根据日均被检测频次识别出频繁过境车辆，构建所述频繁过境车辆数据库；排除出租车、网约车、临时办事车辆和频繁过境车辆，得到剩余车辆，所述剩余车辆类别包括通勤模式车辆、家庭不常用车辆和公司商务车辆；根据剩余车辆的特征向量和类别标签训练决策树模型，获得预训练的决策树模型，根据预训练的决策树模型获得剩余车辆类别的识别规则，根据剩余车辆类别的识别规则获得所述剩余车辆数据库。3.根据权利要求2所述的方法，其特征在于，所述根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长，获得所有车辆的分数值包括：根据车辆的日检测次数、总出行时长、总出行距离和夜间总出行时长，构建标准化后的正向化特征值矩阵；根据所述标准化后的正向化特征值矩阵，获得每辆车与最优解的距离和每辆车与最劣解的距离；根据所述每辆车与最优解的距离和所述每辆车与最劣解的距离，获得每辆车的分数值。4.根据权利要求2所述的方法，其特征在于，所述根据剩余车辆的特征向量和类别标签训练决策树模型之前，所述方法包括：根据剩余车辆类别数确定聚类数目，对剩余车辆使用迭代自组织数据分析算法进行聚类分析，获得聚类结果和聚类特征，将所述聚类结果作为类别标签，所述聚类特征作为剩余车辆的特征向量；其中，所述聚类特征为剩余车辆的车辆行为特征，所述剩余车辆的车辆行为特征包括：出行天数、日均被检测频次、早晚高峰出行天数、早晚高峰日均被检测频次、非早晚高峰出行天数和非早晚高峰日均被检测频次。5.根据权利要求4所述的方法，其特征在于，获取所述预设区域内早晚高峰时间段包括
如下步骤：将一天划分为预设数值个时间间隔；获取在各个时间间隔内首次被检测到的车辆数占总车辆数的比例，比例高于设定阈值的时间间隔为早高峰；获取在各个时间间隔内末次被检测到的车辆数占总车辆数的比例，比例高于设定阈值的时间间隔为晚高峰。6.根据权利要求1所述的方法，其特征在于，所述根据车辆的时空轨迹，获得每种类型车辆的时空轨迹集包括：所述车辆的时空轨迹包括车辆在一天中被检测到的时间以及被检测到时所在的经纬度位置构成的时空序列，每种类型所有车辆的时空轨迹构成所述每种类型车辆的时空轨迹集。7.根据权利要求1所述的方法，其特征在于，所述根据每种类型车辆的时空轨迹集，获得每种类型车辆的时空轨迹相似性矩阵包括：所述时空轨迹集包括时间轨迹集和空间轨迹集；根据动态时间规整算法获得所述时间轨迹集中任意两个时间轨迹之间的相似性，根据所述任意两个时间轨迹之间的相似性，获得时间轨迹相似性矩阵；根据动态时间规整算法获得所述空间轨迹集中任意两个空间轨迹之间的相似性，根据所述任意两个空间轨迹之间的相似性，获得空间轨迹相似性矩阵；根据每种类型车辆的时间轨迹相似性矩阵和每种类型车辆的空间轨迹相似性矩阵，获得每种类型车辆的时空轨迹相似性矩阵。8.根据权利要求7所述的方法，其特征在于，根据时间轨迹相似性矩阵和空间轨迹相似性矩阵，获得时空轨迹相似性矩阵包括：尺寸比例系数倍的所述时间轨迹相似性矩阵与所述空间轨迹相似性矩阵之和为所述时空轨迹相似性矩阵。9.一种车辆关键路径的识别系统，其特征在于，所述系统包括识别模块、获取模块和划分模块，所述识别模块，用于通过总车辆数据库识别出预设区域内车辆的类型；所述获取模块，用于根据车辆的时空轨迹，获得每种类型车辆的时空轨迹集，根据所述每种类型车辆的时空轨迹集，获得每种类型车辆的时空轨迹相似性矩阵；所述划分模块，用于使用聚类算法，基于每种类型车辆的时空轨迹相似性矩阵，将每种类型车辆划分为不同的簇，获得每种类型车辆的关键路径。10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的车辆关键路径的识别方法。
技术总结
本申请涉及一种车辆关键路径的识别方法、系统和电子装置，通过总车辆数据库识别出预设区域内车辆的类型，根据车辆的时空轨迹，获得每种类型车辆的时空轨迹集，根据每种类型车辆的时空轨迹集，获得每种类型车辆的时空轨迹相似性矩阵，使用聚类算法，基于每种类型车辆的时空轨迹相似性矩阵，将每种类型车辆划分为不同的簇，获得每种类型车辆的关键路径，解决了通过人工识别车辆的关键路径导致识别结果不准确，效率低的问题，提高了车辆关键路径的识别效率。别效率。别效率。
技术研发人员：姚文彬 蒋立靓 胡慷 金盛 苏弘扬 胡佑薇 陈诺
受保护的技术使用者：银江技术股份有限公司
技术研发日：2022.06.20
技术公布日：2022/10/13