馬曉磊 姚李亮 沈宣良

（北京航空航天大學(xué)交通科學(xué)與工程學(xué)院 北京102206）

0 引 言

隨著中國經(jīng)濟(jì)的快速發(fā)展，人民生活水平的提高，汽車產(chǎn)業(yè)高度發(fā)達(dá)，購車成本下降，很多家庭將私家車作為日常出行的主要方式。然而，私家車數(shù)量的過度增長也帶來了諸多的問題，例如，交通擁堵加劇，汽車保險(xiǎn)定制，個(gè)性化服務(wù)需求高漲。針對(duì)上述問題，必須尋求更精細(xì)化，更能體現(xiàn)駕駛?cè)藗€(gè)體出行特征的解決方案。

一直以來，許多學(xué)者致力于準(zhǔn)確識(shí)別駕駛?cè)说某鲂心Ｊ健Ｆ渲校@取能夠準(zhǔn)確體現(xiàn)駕駛?cè)顺鲂刑卣鞯臄?shù)據(jù)，是準(zhǔn)確識(shí)別駕駛?cè)顺鲂心Ｊ降年P(guān)鍵所在。早期研究多采用基于問卷調(diào)查的數(shù)據(jù)，Bhat[1]使用調(diào)查數(shù)據(jù)分析了通勤出行者在晚間的出行行為。Bowman等[2]基于波士頓地區(qū)的出行調(diào)查數(shù)據(jù)，使用交通需求預(yù)測模型將出行者的出行模式劃分成了9類。柴彥威等[3]基于活動(dòng)調(diào)查的數(shù)據(jù)，采用時(shí)間地理學(xué)的方法將城市交通出行集成到移動(dòng)活動(dòng)系統(tǒng)中，從而分析城市居民的出行行為特征。

隨著信息技術(shù)的發(fā)展，移動(dòng)通信數(shù)據(jù)和GPS數(shù)據(jù)等交通大數(shù)據(jù)逐漸被各國學(xué)者用于交通出行行為的分析[4-6]。周素紅等[7]使用手機(jī)數(shù)據(jù)研究了廣州市的通勤出行者的空間規(guī)律，同時(shí)對(duì)出行者的出行行為進(jìn)行了空間上的仿真測試。何山等[8]在GPS數(shù)據(jù)的基礎(chǔ)上，建立了BP神經(jīng)網(wǎng)絡(luò)計(jì)算模型，對(duì)個(gè)體的出行行為進(jìn)行識(shí)別。Ma等[9]基于貨車出行的GPS數(shù)據(jù)，分析了不同貨車的出行鏈的特征，最終將貨車種類分為了4個(gè)類別。

近年來，車聯(lián)網(wǎng)技術(shù)迅速發(fā)展，可實(shí)現(xiàn)大規(guī)模車載診斷系統(tǒng)（on-board diagnostic，OBD）數(shù)據(jù)的采集，許多學(xué)者基于OBD數(shù)據(jù)，采用不同方法進(jìn)行建模分析[10-13]。Kumar等[14]從車輛OBD數(shù)據(jù)中提取速度信息，使用時(shí)間狀態(tài)空間模型來對(duì)車輛的出行軌跡進(jìn)行估計(jì)。蕭超武[15]基于OBD數(shù)據(jù)，使用隱馬爾可夫模型（HMM）對(duì)駕駛?cè)说某鲂械墓?jié)能行為進(jìn)行了建模。郭繼孚等[16]基于車載OBD采集到的小汽車出行數(shù)據(jù)和軌跡數(shù)據(jù)，得到出車率、出行次數(shù)、出行距離等量化指標(biāo)，分析不同階段、不同區(qū)域、不同政策下的出行指標(biāo)變化特征。分析結(jié)果表明：車載OBD數(shù)據(jù)能夠較好地反映小汽車出行行為特征,并對(duì)交通需求管理政策的實(shí)施效果做出定量評(píng)價(jià)。張夢歌等[17]結(jié)合車聯(lián)網(wǎng)OBD異常駕駛行為數(shù)據(jù)，建立了道路條件與異常駕駛行為關(guān)聯(lián)模型,分析探討利用異常駕駛行為數(shù)據(jù)辨識(shí)道路交通安全風(fēng)險(xiǎn)。

綜合國內(nèi)外學(xué)者在該領(lǐng)域的研究可以得出，對(duì)于出行模式以及出行目的地預(yù)測的研究，大多都是基于問卷調(diào)查或者GPS終端數(shù)據(jù)，這些數(shù)據(jù)無論是在其客觀性上還是豐富性以及準(zhǔn)確性上都存在一定的不足，難以對(duì)出行者的出行模式進(jìn)行準(zhǔn)確的描述。相較于傳統(tǒng)的問卷調(diào)查數(shù)據(jù)以及被廣泛應(yīng)用的手機(jī)和GPS數(shù)據(jù)，OBD數(shù)據(jù)可以提供更加詳細(xì)、準(zhǔn)確的車輛數(shù)據(jù)，尤其是關(guān)于車輛出行OD點(diǎn)的信息。因此，研究致力于從大量的OBD數(shù)據(jù)中提取相關(guān)信息，識(shí)別不同人群的出行的模式特征，并對(duì)個(gè)體的出行目的地進(jìn)行預(yù)測。這些策略將為交通管理部門提供有價(jià)值的參考，從而提高出行服務(wù)質(zhì)量，改善交通環(huán)境。

本文開展對(duì)于私家車駕駛?cè)说某鲂心Ｊ阶R(shí)別以及出行目的地預(yù)測工作，基于車輛OBD數(shù)據(jù)獲取駕駛?cè)顺鲂械母黜?xiàng)信息，并且根據(jù)大量記錄的歷史數(shù)據(jù)，提取出相應(yīng)的特征參數(shù)，用以對(duì)駕駛?cè)诉M(jìn)行類別劃分，繼而針對(duì)不同類別進(jìn)行建模，得出不同的能夠描述出行時(shí)空特征的出行模式模型。本研究應(yīng)用北京市域范圍內(nèi)2個(gè)月的共計(jì)3 570輛私家車的OBD數(shù)據(jù)，從中提取出5個(gè)特征參數(shù)，根據(jù)基于密度峰值的聚類方法（clustering by fast search and find of density peaks，CFSFDP）對(duì)5種特征參數(shù)進(jìn)行聚類，得到不同的駕駛?cè)顺鲂心Ｊ健２捎秒x散的隱馬爾可夫模型對(duì)出行模式進(jìn)行建模并進(jìn)行驗(yàn)證。

1 數(shù)據(jù)介紹

1.1 數(shù)據(jù)描述

本文所采用的OBD數(shù)據(jù)包含了車載OBD設(shè)備采集的各項(xiàng)車輛技術(shù)參數(shù)。與傳統(tǒng)GPS數(shù)據(jù)的不同之處在于，OBD數(shù)據(jù)通過CAN總線實(shí)現(xiàn)數(shù)據(jù)交互，在包含速度區(qū)間、每個(gè)行程的起始點(diǎn)和終止點(diǎn)坐標(biāo)等傳統(tǒng)的GPS數(shù)據(jù)信息以外，OBD數(shù)據(jù)還呈現(xiàn)了車輛的運(yùn)行時(shí)間、行駛距離、燃油消耗、發(fā)動(dòng)機(jī)溫度、輪速、發(fā)動(dòng)機(jī)扭矩、油門、制動(dòng)踏板、排檔桿位置、故障等信息，基于這些信息，能夠分析車輛加減速、駕駛行為等傳統(tǒng)GPS數(shù)據(jù)難以獲取的指標(biāo)。數(shù)據(jù)涵蓋了北京市域范圍內(nèi)從2015年6月—7月共計(jì)3 570輛私家車的數(shù)據(jù)。

1.2 數(shù)據(jù)預(yù)處理及特征參數(shù)提取

由于對(duì)駕駛?cè)顺鲂心Ｊ降姆治霰仨毣谳^長一段時(shí)間的數(shù)據(jù)，以得到不同車輛的長期出行特征。因此，首先合并短時(shí)的出行信息，獲得研究范圍內(nèi)3 570輛私家車每輛車在2個(gè)月內(nèi)的長時(shí)出行鏈信息，從而計(jì)算各項(xiàng)參數(shù)。根據(jù)OBD數(shù)據(jù)中行駛距離、出行起終點(diǎn)的經(jīng)緯度信息，獲得車輛的日出行距離。通過油門、制動(dòng)踏板、輪速等車輛狀態(tài)信息，計(jì)算急加速、急減速的次數(shù)，推斷駕駛員可能存在的危險(xiǎn)駕駛行為。共選取5個(gè)特征參數(shù)用來描述車輛的出行模式特點(diǎn)。

1）出行天數(shù)。對(duì)于出行模式的研究，出行的頻次往往作為重要的特征加以采用。出行頻次在很大程度上反映了駕駛?cè)顺鲂袑?duì)于車輛的依賴程度。因此，選用了車輛在2個(gè)月內(nèi)的總的出行天數(shù)作為衡量不同駕駛?cè)顺鲂蓄l次的特征指標(biāo)。

2）平均出行距離。平均出行距離指的是車輛平均每個(gè)出行日的出行距離，選用該參數(shù)用來表示不同駕駛?cè)顺鲂行袨榈目臻g特征。

3）最頻首次出行時(shí)段和最頻末次出行時(shí)段。最頻首次及最頻末次出行時(shí)段能夠直觀反映不同出行模式的時(shí)間分布特征。為便于統(tǒng)計(jì)分析，將1 d 24 h劃分為6個(gè)時(shí)段，分別是：早高峰（06：00—09：30），上午平峰（09：30—12：00），下午平峰（12：00—16：30），晚高峰（16：30—19：30），晚間平 峰（19：30—22：00）及午夜凌晨（22：00—06：00）。在此基礎(chǔ)上計(jì)算每個(gè)行程的出行所對(duì)應(yīng)的時(shí)間段，并從中提取出每輛車對(duì)應(yīng)的每天最頻繁的首次和末次出行時(shí)段。

4）百公里危險(xiǎn)駕駛行為次數(shù)。能夠統(tǒng)計(jì)駕駛過程中危險(xiǎn)駕駛行為的次數(shù)是車輛OBD數(shù)據(jù)區(qū)別于其他數(shù)據(jù)源的特點(diǎn)之一，OBD數(shù)據(jù)中定義的危險(xiǎn)駕駛行為包括3個(gè)方面的參數(shù)：急加速次數(shù)、急減速次數(shù)及急轉(zhuǎn)彎次數(shù)。危險(xiǎn)駕駛行為次數(shù)能夠反映駕駛?cè)说鸟{駛習(xí)慣是否良好，也是出行模式的1種體現(xiàn)。本文將采用每百公里的危險(xiǎn)駕駛行為次數(shù)作為分析出行模式的特征參數(shù)之一。

處理后的數(shù)據(jù)格式見表1。

表1 處理完成的數(shù)據(jù)格式Tab.1 Format of processed data

2 CFSFDP算法聚類及結(jié)果分析

Rodriguez等[18]于2014年在《Science》上提出了1種新的基于密度峰值的聚類算法，該算法不需要提前設(shè)定類別數(shù)，而是根據(jù)數(shù)據(jù)特點(diǎn)自適應(yīng)地進(jìn)行聚類。相比于傳統(tǒng)的k-means[19]、CFSFDP等聚類算法，該算法表現(xiàn)出了對(duì)于性狀較高的適應(yīng)性。而與其他的基于密度的聚類算法例如DBSCAN相比，CFSFDP算法所需的參數(shù)更少，且具有更高的計(jì)算效率，在已經(jīng)公布的對(duì)于Olivetti人臉數(shù)據(jù)庫中主體識(shí)別的實(shí)驗(yàn)結(jié)果中，CFSFDP算法展現(xiàn)出了對(duì)于多維數(shù)據(jù)很高的適應(yīng)性。

2.1 CFSFDP算法參數(shù)及流程

整個(gè)CFSFDP算法主要包括2個(gè)參數(shù)，即局部密度ρ、與更高密度點(diǎn)的距離δ，在模型中，數(shù)據(jù)點(diǎn)的局部密度和距離表示相對(duì)意義的度量，是無量綱的量。

局部密度ρ是針對(duì)每個(gè)需要聚類的數(shù)據(jù)點(diǎn)而言，指的是在一定距離內(nèi)數(shù)據(jù)點(diǎn)的數(shù)量。所以，對(duì)于任意的數(shù)據(jù)點(diǎn)i來說，其局部密度ρi可以表示為

式中：當(dāng)x≥0時(shí)當(dāng)2點(diǎn)間的距離小于d c時(shí)，任意1點(diǎn)都會(huì)被計(jì)入另1點(diǎn)的局部密度ρ，需要說明的是，截?cái)嗑嚯x需根據(jù)數(shù)據(jù)的具體分布人為提前設(shè)定。根據(jù)數(shù)據(jù)點(diǎn)的實(shí)際分布特征，本研究中設(shè)定截?cái)嗑嚯xd c=0.58最佳。截?cái)嗑嚯x的設(shè)定影響局部密度的實(shí)際計(jì)算，截?cái)嗑嚯x設(shè)置過高，離數(shù)據(jù)點(diǎn)較遠(yuǎn)的點(diǎn)將被覆蓋，局部密度高于理想值；階段距離設(shè)置過低，數(shù)據(jù)點(diǎn)周圍的點(diǎn)覆蓋不足，局部密度低于理想值。

與更高密度點(diǎn)的距離δ指的是任1個(gè)數(shù)據(jù)點(diǎn)與比它密度高的最近點(diǎn)之間的距離，見式（2）。

需要特別指出，如果某個(gè)數(shù)據(jù)點(diǎn)在所選取的數(shù)據(jù)集中具有最高的局部密度，那么該點(diǎn)與更高密度點(diǎn)之間的距離取整個(gè)數(shù)據(jù)集中所有δ的最大值。

整個(gè)聚類算法的實(shí)現(xiàn)分為5個(gè)步驟：①計(jì)算所有數(shù)據(jù)點(diǎn)的距離，構(gòu)建相似度矩陣；②根據(jù)得到的相似度矩陣以及設(shè)定好的截?cái)嗑嚯x計(jì)算局部密度ρ；③根據(jù)局部密度計(jì)算所有數(shù)據(jù)點(diǎn)的與更高密度點(diǎn)的距離δ；④通過聚類決策圖確定聚類中心；⑤按照密度降序?qū)?shù)據(jù)點(diǎn)進(jìn)行聚類。

2.2 對(duì)OBD數(shù)據(jù)進(jìn)行聚類

本研究將從共計(jì)3 570輛北京市域范圍內(nèi)時(shí)間跨度為2個(gè)月的私家車OBD數(shù)據(jù)中提取出5個(gè)特征參數(shù)，包括：出行天數(shù)、平均出行距離、最頻首次出行時(shí)段、最頻末次出行時(shí)段，以及百公里危險(xiǎn)駕駛行為次數(shù)，采用CFSFDP算法對(duì)選取的特征參數(shù)進(jìn)行聚類，以得到不同的出行模式。

對(duì)數(shù)據(jù)進(jìn)行聚類之前，考慮到不同特征參數(shù)之間的數(shù)量級(jí)與量綱的不同，需要統(tǒng)一對(duì)不同特征參數(shù)進(jìn)行無量綱化處理。本文采用的數(shù)據(jù)歸一化處理方法見式（3）。

將歸一化處理后的數(shù)據(jù)輸入到基于Matlab編寫的程序中進(jìn)行聚類，得到的聚類決策圖以及聚類結(jié)果分布圖見圖1～2。由圖1可見，在所有的數(shù)據(jù)點(diǎn)中，相比于其他的數(shù)據(jù)點(diǎn)，4個(gè)彩色的被標(biāo)記數(shù)據(jù)點(diǎn)明顯具有更高的局部密度ρ和更大的與更高密度點(diǎn)的距離δ。根據(jù)CFSFDP算法的定義，4個(gè)彩色被標(biāo)記點(diǎn)就是算法選取出的4個(gè)聚類中心，也即最終數(shù)據(jù)集被劃分成了4個(gè)類別。圖2展示了4個(gè)類別的數(shù)據(jù)點(diǎn)在二維圖上的分布情況，需要特別說明的是，圖2中的X軸與Y軸為了更加直觀地表現(xiàn)不同類別間數(shù)據(jù)點(diǎn)的分布情況，僅代表1種二維空間中的度量，沒有特定的含義。聚類完成后的每個(gè)類別的數(shù)量情況見表2。

圖1 聚類決策圖Fig.1 Decision graph

圖2 數(shù)據(jù)點(diǎn)二維分布圖Fig.2 2D Nonclassical multidimensional scaling

表2 4個(gè)類別的具體數(shù)量Tab.2 Specific quantity of four categories

2.3 聚類結(jié)果分析及模式設(shè)定

由上文聚類結(jié)果可知3 570輛私家車被劃分為4類，代表了4種不同的出行模式和特點(diǎn)。為了更加準(zhǔn)確地定義這4種類型的出行模式，需要根據(jù)選取的5個(gè)特征參數(shù)分析出行模式的不同特征。下文將分析5個(gè)特征參數(shù)在4個(gè)類別中的不同規(guī)律特征，以此來對(duì)4種出行模式進(jìn)行定義。

2.3.1 平均出行距離分析

出行距離分析能夠描述出行模式的空間特征。4個(gè)類別平均出行距離的分布情況見圖3。圖3為平均出行距離的箱線圖，黑色橫線表示數(shù)據(jù)的上限值和下限值，紅色橫線表示平均出行距離的中位數(shù)，藍(lán)箱的上下限，分別表示數(shù)據(jù)的上四分位數(shù)和下四分位數(shù)，因此，藍(lán)箱包含了全樣本一半的數(shù)據(jù)。紅色+號(hào)表示在上下限以外的異常值數(shù)據(jù)。從圖中可以看出類別1和類別2的出行距離具有相似的特征，范圍基本都在20～40 km/d，中位數(shù)大約為30 km/d，說明單依靠平均出行距離這個(gè)特征參數(shù)的分布特點(diǎn)，無法區(qū)分出類別1和類別2。對(duì)于類別3來說，其出行距離范圍為35～60 km/d，中位數(shù)接近50 km/d，相對(duì)于類別1與類別2，類別3的平均出行距離較長。對(duì)于類別4，它的出行距離范圍為45～90 km/d，中位數(shù)超過60 km/d，是類別1和類別2的2倍。

圖3 不同類別出行距離分布情況圖Fig.3 Distribution of different types of travel distance

2.3.2 出行頻次分析

出行頻次直接反映了出行者對(duì)于車輛的依賴程度，是衡量不同駕駛?cè)顺鲂心Ｊ降闹匾獏?shù)。在本研究中，采用車輛2個(gè)月的總出行天數(shù)代表出行頻次。不同類別的出行天數(shù)分布圖見圖4。圖4為出行頻次的箱線圖，黑色橫線表示數(shù)據(jù)的上限值和下限值，紅色橫線表示出行頻次的中位數(shù)，藍(lán)箱的上下限，分別表示數(shù)據(jù)的上四分位數(shù)和下四分位數(shù)。因此，藍(lán)箱包含了全樣本一半的數(shù)據(jù)。紅色“+”號(hào)表示在上下限以外的異常值數(shù)據(jù)。由圖中可知，類別1具有很高的出行頻次，范圍為40～58 d，中位數(shù)超過了50 d，近乎每天都有出行。類別2的出行頻次范圍為20～46 d，平均出行頻次大約為30 d，在幾種類別中處于中間水平。相比于前2個(gè)類別，類別3和類別4則呈現(xiàn)了出行頻次偏低的特點(diǎn)，2個(gè)月的出行總天數(shù)均不超過15 d，表明出行者出行時(shí)對(duì)于車輛的依賴性很小。

圖4 不同類別出行天數(shù)分布情況圖Fig.4 Distribution of different types of travel days

2.3.3 百公里危險(xiǎn)駕駛行為次數(shù)分析

判斷出行者出行過程中駕駛行為是否良好，可以從百公里危險(xiǎn)駕駛行為次數(shù)反映。不同類別百公里危險(xiǎn)駕駛行為次數(shù)分布情況圖見圖5。圖5為百公里危險(xiǎn)駕駛行為次數(shù)的箱線圖，黑色橫線表示數(shù)據(jù)的上限值和下限值，紅色橫線表示百公里危險(xiǎn)駕駛行為次數(shù)的中位數(shù)，藍(lán)箱的上下限，分別表示數(shù)據(jù)的上四分位數(shù)和下四分位數(shù)。因此，藍(lán)箱包含了全樣本一半的數(shù)據(jù)。紅色“+”號(hào)表示在上下限以外的異常值數(shù)據(jù)。由圖中可知，類別1、類別2、類別3等3種類別的出行模式中，百公里的危險(xiǎn)駕駛行為次數(shù)中位數(shù)都不超過4次，體現(xiàn)出了良好的駕駛習(xí)慣。與此相反，類別4中75%以上的樣本百公里危險(xiǎn)駕駛行為次數(shù)超過了15次，中位數(shù)超過了20次，說明其駕駛習(xí)慣存在安全隱患。類別1～3中均有高出樣本平均水平的異常值，但相較于總體3 570個(gè)全樣本，異常值的數(shù)量不足2%。因此，不會(huì)影響對(duì)類別總體特征和平均水平的判別。

圖5 不同類別百公里危險(xiǎn)駕駛行為次數(shù)分布情況圖Fig.5 Distribution of dangerous driving behaviors in different categories

2.3.4 出行時(shí)段分析

將1 d分為6個(gè)時(shí)間段，選擇了2個(gè)月中每輛車最頻繁的首次出行和末次出行對(duì)應(yīng)的時(shí)間段作為表述日常出行時(shí)間分布的特征參數(shù)。不同類別的首末次出行時(shí)段分布見圖6。

圖6 最頻首末次出行時(shí)段情況圖Fig.6 Category 4 The most frequent first trip and last trip time

根據(jù)圖中分析可知，4個(gè)類別的出行時(shí)段中，首末次出行的主要時(shí)段都分布在早高峰、下午平峰2個(gè)時(shí)段，這是因?yàn)樵缤?個(gè)出行高峰正好包含在這2個(gè)時(shí)段之中，與整體趨勢相同，說明了該數(shù)據(jù)集的主體多數(shù)為通勤人群。不同之處在于，類別1與類別2中，只有極少的一部分人群的首末次出行時(shí)段處于非早晚高峰，體現(xiàn)出了極強(qiáng)的通勤特性與目的。而類別3與類別4中，則有相對(duì)較多的人群的首末次出行時(shí)段分布在其他4個(gè)時(shí)間段中。

基于以上對(duì)于4個(gè)類別在不同特征參數(shù)分析時(shí)表現(xiàn)出的特征，對(duì)4個(gè)類別對(duì)應(yīng)的出行模式進(jìn)行定義。對(duì)于類別1，其最主要的特征體現(xiàn)在超高的出行頻率上，因此我們定義其為高頻出行者。對(duì)于類別2，根據(jù)其出行的頻次以及相對(duì)單一的出行時(shí)段，我們將其定義為傳統(tǒng)的通勤出行者。對(duì)于類別3，其最主要的特征體現(xiàn)在出行距離較長以及很低的出行頻次上，所以，定義其為長距、偶發(fā)出行者。對(duì)于類別4，相對(duì)于其他3個(gè)類別，其最突出的特點(diǎn)是危險(xiǎn)駕駛行為次數(shù)明顯偏高，駕駛習(xí)慣不好，由此我們定義其出行模式為危險(xiǎn)出行者。

3 基于HMM算法的出行模式模型建立及驗(yàn)證

隱馬爾可夫模型（HMM）是1種常用的模式識(shí)別建模方式，通過單一或多維的可見序列，準(zhǔn)確地識(shí)別出隱藏的狀態(tài)。對(duì)于本研究來說，4個(gè)駕駛?cè)顺鲂心Ｊ绞遣豢梢姷?，可通過一系列的被選取的幾個(gè)特征參數(shù)，組成可見序列進(jìn)行識(shí)別。駕駛?cè)顺鲂心Ｊ阶R(shí)別的本質(zhì)是使用不同的、能夠反映駕駛?cè)顺鲂行袨榈奶卣鲄?shù)，去識(shí)別不同出行者的出行規(guī)律特征。原始的對(duì)于馬爾科夫的定義要求數(shù)據(jù)具有連續(xù)性，隨著方法的不斷創(chuàng)新，隱馬爾可夫模型已經(jīng)能夠分析離散型的數(shù)據(jù)。因此，無論從定義還是數(shù)據(jù)類型的角度都可以說明，隱馬爾可夫模型對(duì)于本研究來說是適用的。

3.1 HMM模型參數(shù)設(shè)定

大多數(shù)情況下，1個(gè)隱馬爾可夫模型包含2組狀態(tài)集合和3組概率集合，模型表達(dá)式可以表示為[20]

式中：N為模型的狀態(tài)數(shù)，相應(yīng)的狀態(tài)集合表示為為模型的可觀察值的數(shù)目，相應(yīng)的觀察值集合表示為為狀態(tài)轉(zhuǎn)移矩陣，可寫成其中，aij為從狀態(tài)i到狀態(tài)j概率，且滿足

B為觀察值概率矩陣，可寫成，其中，b ik為觀察值v k在狀態(tài)si時(shí)出現(xiàn)的概率；π為出行狀態(tài)概率矩陣，滿足

對(duì)應(yīng)在本研究中，根據(jù)隱馬爾可夫模型的定義，因?yàn)橛?種出行模式需要識(shí)別，N=4。M=5，對(duì)應(yīng)的是被選取的5個(gè)特征參數(shù)。矩陣A和矩陣B分別代表4個(gè)出行模式的狀態(tài)轉(zhuǎn)移矩陣和5個(gè)特征參數(shù)組成的觀察值矩陣。初始狀態(tài)矩陣

3.2 HMM模型訓(xùn)練

對(duì)于隱馬爾可夫模型而言，狀態(tài)轉(zhuǎn)移矩陣是最核心的組成部分，也是其預(yù)測功能實(shí)現(xiàn)的基礎(chǔ)。本研究中使用隱馬爾可夫模型中的forward-backward算法對(duì)模型進(jìn)行訓(xùn)練，訓(xùn)練數(shù)據(jù)的格式見表3，對(duì)應(yīng)的輸入?yún)?shù)的順序?yàn)椋浩骄鲂芯嚯x、出行天數(shù)、最頻首次出行時(shí)段、最頻末次出行時(shí)段，以及百公里危險(xiǎn)駕駛行為次數(shù)。狀態(tài)1/2/3/4分別代表4個(gè)出行模式，即高頻出行者、通勤出行者、長距偶發(fā)出行者、危險(xiǎn)出行者。采用Matlab中的HMM工具箱構(gòu)建出行模式模型，將總數(shù)據(jù)的70%，即2 499輛車的數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)。

表3 訓(xùn)練數(shù)據(jù)格式Tab.3 Format of training data

完成模型訓(xùn)練以后，得到的狀態(tài)轉(zhuǎn)移矩陣如下。

3.3 HMM模型驗(yàn)證

將總數(shù)據(jù)的30%，即剩余的1 071輛車的數(shù)據(jù)作為測試數(shù)據(jù)，包括高頻出行者數(shù)據(jù)和通勤出行者數(shù)據(jù)各321組，長距偶發(fā)出行者數(shù)據(jù)374組以及危險(xiǎn)出行者數(shù)據(jù)55組。測試過程采用隱馬爾可夫模型中的Viterbi算法，模型的測試結(jié)果見表4。對(duì)高頻出行者、通勤出行者、長距偶發(fā)出行者、以及危險(xiǎn)出行者的識(shí)別準(zhǔn)確率分別為92.8%，89.7%，89.6%和94.5%，平均準(zhǔn)確率達(dá)到了91.65%。結(jié)果表明：使用OBD數(shù)據(jù)且基于CFSFDP算法聚類以及隱馬爾可夫模型建模的方法是可行的。識(shí)別準(zhǔn)確率的計(jì)算方法為

表4 模型測試結(jié)果Tab.4 Results of model test

4 結(jié)束語

通過選用北京市域范圍內(nèi)3 570輛私家車，時(shí)間跨度為2個(gè)月的OBD數(shù)據(jù)，提出了1種能夠有效識(shí)別駕駛?cè)顺鲂心Ｊ降姆椒ǎ▽?duì)出行模式進(jìn)行區(qū)分的CFSFDP算法以及對(duì)出行模式進(jìn)行建模及預(yù)測的離散隱馬爾可夫模型。

在CFSFDP算法的實(shí)施過程中，輸入?yún)?shù)為5類描述車輛運(yùn)行的時(shí)空特點(diǎn)的特征量，包括平均行駛距離、出行天數(shù)、最頻首次出行時(shí)段、最頻末次出行時(shí)段及百公里危險(xiǎn)駕駛行為次數(shù)。通過對(duì)聚類的結(jié)果進(jìn)行特征分析，得出4種出行模式，即高頻出行者、通勤出行者、長距偶發(fā)出行者以及危險(xiǎn)出行者。根據(jù)已知的出行模式，繼而采用離散型的馬爾科夫模型進(jìn)行建模和測試，測試結(jié)果表現(xiàn)出了較高的準(zhǔn)確率。

本研究在很多方面還存在局限性與不足之處，例如由于特征參數(shù)選取的維度有限，目前只能識(shí)別出4種出行模式，且由于數(shù)據(jù)群體的采集面不夠，造成了幾種出行模式在一些特征參數(shù)上的區(qū)別度不足。最典型的就是最頻首末次的出行時(shí)段，所有出行模式的出行主體時(shí)段都集中在早晚高峰所處的時(shí)段內(nèi)。在下一步的研究中可以:①提取更多的特征參數(shù)；②將現(xiàn)有數(shù)據(jù)與其他數(shù)據(jù)源相結(jié)合，比如土地利用類型的數(shù)據(jù)等；③對(duì)當(dāng)前參數(shù)進(jìn)行細(xì)化，例如縮短時(shí)間間隔，以便更深層次地挖掘不同駕駛?cè)说某鲂心Ｊ教卣鳌?/p>