CN108806248A - 一种针对rfid电子车牌数据的车辆出行轨迹划分方法 - Google Patents

Abstract

本发明公开了一种针对RFID电子车牌数据的车辆出行轨迹划分方法，该方法为：提取所有车辆经过相邻RFID采集点的通行数据；遍历相邻RFID采集点的通行数据，选取所有相邻RFID采集点的通行数据中不相同的RFID采集点的点对数据；根据相邻RFID采集点间的车辆通行时间间隔数据求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数；判断车辆在这两个相邻RFID采集点间是否有停留；根据车辆在各相邻RFID采集点间的停留情况，提取车辆每次出行的起点和终点，将车辆的轨迹划分为多个出行段。本发明通过相邻RFID采集点间的行程时间分布概率模型考虑了RFID采集点间不同的交通状况，如相邻RFID采集点间的距离不同，对于各种不同的交通状况都有很强的适应性。

Description

一种针对RFID电子车牌数据的车辆出行轨迹划分方法

技术领域

本发明涉及交通领域，尤其涉及一种针对RFID电子车牌数据的车辆出行轨迹划分方法。

背景技术

进入新世纪以来，我国社会经济的飞速发展和城市化水平不断提高，伴随着机动车的城镇保有量和人均拥有量地双增长，一系列交通方面的困境显得越发突出。智能交通是现在人们解决交通问题的一个主要方向。对于居民出行需求的合理分析是智能交通建设的基础。

居民出行需求的分析一般都是基于车辆的轨迹数据，在对轨迹中停留部分进行识别，在此基础上实现对于出行轨迹的划分，提取每次出行的起始点O(Origin)、目的点D(Destination)。其中难点在轨迹中停留的识别上。目前关于轨迹中停留识别方面的研究主要是基于车辆的GPS数据展开的，GPS数据的采样时间间隔比较短，一般都在几十秒左右，在轨迹中的停留部分，GPS点会密集的分布在一个较小的空间内，所以采用距离阈值法或一些基于采样点空间密度的聚类算法就可以实现对轨迹中停留的识别，并且会有不错的效果。但是装有GPS或北斗定位***的车辆较少，仅仅能分析出租车和两客一危车辆，无法对所有车辆进行分析，导致最后得到的出行数据不能代表整个城市的整体交通状况。

而RFID电子车牌数据则不存在这样的问题，RFID电子车牌数据的采集对象覆盖了所有的机动车，是非常良好的居民出行分析数据。目前已有对RFID电子车牌数据的出行轨迹进行划分的方法，它们通过将车辆经过相邻RFID采集点的时间间隔与设定的时间阈值进行比较，来判断车辆在RFID采集点间是否有停留。但是不同的RFID采集点，它们之间的交通状况差别很大，有的相邻RFID采集点间的距离只有几百米，有的相邻RFID采集点间的距离超过了5千米，有的相邻RFID采集点间的路段经过的是城市闹市区，有的相邻RFID采集点间的路段经过的是城市快速路，所以很难设定合适的时间阈值能适合于所有相邻RFID采集点间的交通状况。

发明内容

有鉴于此，为了解决上述问题，本发明提供一种针对RFID电子车牌数据的车辆出行轨迹划分方法，该方法能够准确识别车辆在相邻采集点间是否有停留，提取车辆每次出行的起点和终点，将车辆的轨迹划分为多个出行段，同时该方法能够适用于相邻RFID采集点间的各种交通状况。

本发明的目的是通过以下技术方案来实现的：一种针对RFID电子车牌数据的车辆出行轨迹划分方法，该方法包括以下步骤：

步骤S1、提取所有车辆经过相邻RFID采集点的通行数据record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞，其中,eid表示车辆的电子车牌号，t₀与rfid₀分别表示车辆经过两个相邻RFID采集点中的第一个RFID采集点的时间和RFID采集点的标识号，t₁与rfid₁分别表示车辆经过的两个相邻RFID采集点中的第二个RFID采集点的时间和RFID采集点的标识号，t表示车辆经过两个相邻RFID采集点的时间间隔；

步骤S2、遍历相邻RFID采集点的通行数据，选取所有相邻RFID采集点的通行数据record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞中不相同的RFID采集点的点对数据＜rfid₀,rfid₁＞；

步骤S3、建立相邻RFID采集点间的行程时间分布概率模型，并且根据相邻RFID采集点间的车辆通行时间间隔数据求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数；

步骤S4、根据车辆经过两个相邻RFID采集点间的时间间隔t与这两个相邻RFID采集点间的行程时间分布概率模型，判断车辆在这两个相邻RFID采集点间是否有停留；

步骤S5、根据车辆在各相邻RFID采集点间的停留情况，提取车辆每次出行的起点和终点，将车辆的轨迹划分为多个出行段。

优选地，所述步骤S1具体包括以下子步骤：

S11.提取RFID电子车牌数据中的所有不同的eid号；

S12.从步骤S11得到的数据中选取一个eid号，筛选出RFID电子车牌数据集中所有包含有该eid号的RFID电子车牌数据，并按照车辆通过的时间升序进行排序得到车辆的轨迹其中Tra^A表示车辆A的轨迹，R表示一条RFID电子车牌数据，v表示车辆的电子车牌号，r表示RFID采集点的标识号，t表示车辆被识别到的时间，表示车辆A经过第i个RFID采集点的时间；

将轨迹中相邻的RFID电子车牌数据相组合得到车辆经过相邻RFID采集点的通行数据，车辆经过相邻RFID采集点的通行数据表示为：

其中，recodr_i ^A表示车辆第i条经过相邻RFID采集点间的通行数据，表示车辆A的电子车牌号，表示车辆A经过第i个RFID采集点的标识号；

S13.对所有的eid号执行步骤S12，将所有的车辆经过相邻RFID采集点的通行数据存储到数据库中。

优选地，所述步骤S3包括以下子步骤：

S31.建立相邻RFID采集点间的行程时间分布概率模型，两个相邻RFID采集点间的行程时间分布概率模型为：

其中：P(t)表示车辆经过两个相邻RFID采集点间的时间间隔为t的概率，μ_move、σ_move、w_move分别表示车辆快速经过两个相邻RFID采集点时所有车辆的通行时间间隔数据取对数后的期望、标准差和权重系数，μ_jam、σ_jam、w_jam分别表示车辆在经过两个相邻RFID采集点过程中遇到交通拥堵时所有车辆的通行时间间隔数据的期望、标准差和权重系数，μ_stop、σ_stop、w_stop分别表示车辆在经过两个相邻RFID采集点的过程中有停留时所有车辆的通行时间间隔数据的期望、标准差和权重系数；

S32.根据相邻RFID采集点间的车辆的通行时间间隔数据，求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数。

优选地，所述步骤S32包括以下子步骤：

S321.读取行程时间分布概率模型参数的相邻RFID采集点的点对＜rfid_a,rfid_b＞的数据；

S322.提取经过相邻RFID采集点rfid_a和rfid_b的车辆通行时间间隔数据Train＝{t₁,t₂,…,t_N}，Train表示通行时间间隔数据的样本数据集，t_i是通行时间间隔的第i条样本数据，N表示通行时间间隔数据的样本总量，i∈[1,N]；

S323.为相邻RFID采集点rfid_a和rfid_b间的车辆行程时间分布概率模型的参数赋初值；

S324.根据行程时间分布概率模型的初始参数或上一次迭代后的参数计算各个样本通行时间间隔t_i的概率大小

S325.在所有样本通行时间间隔t_i的概率已经确定的情况下计算行程时间分布概率模型中各参数的最优值；

S326.对步骤S324与步骤S325进行迭代执行，直到多次迭代后所得的行程时间分布概率模型的参数收敛；

S327.对所有的相邻RFID采集点的点对数据执行步骤S322到步骤S326，得到所有相邻RFID采集点间的车辆行程时间分布概率模型的参数。

优选地，所述步骤S4具体包括以下子步骤：

S41.提取一车辆所有的相邻RFID采集点的通行数据＜eid,rfid₀,rfid₁,t＞，

S42.选取车辆的一条经过相邻RFID采集点的通行数据，假设经过的相邻RFID采集点为rfid_a与rfid_b；计算当车辆在相邻RFID采集点rfid_a与rfid_b间的通行时间间隔为t，

当车辆快速经过两个相邻RFID采集点时，则概率为P(state＝move|t)；

当车辆在经过两个相邻RFID采集点的过程中遇到了交通拥堵时，则概率为P(state＝jam|t)；

当车辆在经过两个相邻RFID采集点的过程中有停留时，则概率为P(state＝stop|t)；

若P(state＝stop|t)>P(state＝move|t)并且P(state＝stop|t)>P(state＝jam|t)，则判断车辆在这两个相邻RFID采集点间有停留，否则车辆在这两个相邻RFID采集点间没有停留；

S43.对车辆的所有经过相邻RFID采集点的通行数据执行步骤S42；

S44.对所有的车辆执行步骤S42与步骤S43。

优选地，所述步骤S5具体包括以下子步骤：

S51.选取一辆车的RFID电子车牌号，筛选出该辆车所有的经过相邻RFID采集点的通行数据，并对这些数据按照经过相邻采集点中第一个采集点时间进行升序排序；

S52.读取该车辆的一条经过相邻RFID采集点的通行数据，如果这条数据是该辆车的第一条通行数据，则开始对于该辆车出行的划分，并且将这两个相邻采集点的第一个采集点为出行的起点；

S53.如果这条通行数据是这辆车的最后一条通行数据，则保存这两个相邻采集点的第二个采集点为当前出行的终点；

S54.对该车辆所有的经过相邻RFID采集点的通行数据执行步骤S52到S53，得到该车辆每次出行的起点与终点数据；

S55.对所有车辆执行步骤S51到S54，获得所有车辆每次出行的起点和终点数据。

优选地，所述步骤S52后还包括：

如果车辆在这两个相邻RFID采集点间没有停留，则认为该条通行数据属于当前出行；如果车辆在这两个相邻RFID采集点间有停留，则保存这两个相邻采集点的第一个采集点为当前出行的终点，当前出行的划分完成，同时开始下一次出行的划分，并且保存这两个相邻采集点的第二个采集点为下一次出行的起点。

由于采用了上述技术方案，本发明具有如下的优点：

1、本发明能够对车辆每次出行的起点、终点进行确定。

2、本发明通过相邻RFID采集点间的行程时间分布概率模型考虑了RFID采集点间不同的交通状况，如相邻RFID采集点间的距离不同，对于各种不同的交通状况都有很强的适应性。

3、本发明适用于所有安装RFID电子车牌的车辆，适用范围广。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述：

图1为总体流程图；

图2为求取相邻RFID采集点间的车辆行程时间分布概率模型的参数的流程图；

图3为判断车辆在两个相邻RFID采集点间停留情况的流程图；

图4为提取车辆出行起点和终点的流程图；

图5为车辆出行轨迹划分的示例图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

请参阅图1至图5。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

如图1所示，本实施例提供的一种新的应用于RFID电子车牌数据的车辆出行轨迹划分的方法，包括以下步骤：

步骤S1：由原始的RFID电子车牌数据获得所有的车辆经过相邻RFID采集点的通行数据，数据可表示成一个五元组的格式record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞，其中，eid表示车辆的电子车牌号，t₀与rfid₀分别表示车辆经过的两个相邻RFID采集点中的第一个RFID采集点的时间和RFID采集点的标识号，t₁与rfid₁分别表示车辆经过的两个相邻RFID采集点中的第二个RFID采集点的时间和RFID采集点的标识号，t表示车辆经过这两个相邻RFID采集点的时间间隔。

S11.提取RFID电子车牌数据中的所有不同的eid号；

S12.从步骤S11得到的数据中选取一个eid号，筛选出RFID电子车牌数据集中所有该EID号的RFID电子车牌数据，并按照车辆通过的时间升序进行排序得到车辆的轨迹其中Tra^A表示车辆A的轨迹，R表示一条RFID电子车牌数据，v表示车辆的电子车牌号，r表示RFID采集点的标识号，t表示车辆被识别到的时间，表示车辆A经过第i个RFID采集点的时间。然后将轨迹中相邻的RFID电子车牌数据相组合得到车辆经过相邻RFID采集点的通行数据，并且将通行数据存入数据库。车辆经过相邻RFID采集点的通行数据可以表示为：

其中，recodr_i ^A表示车辆第i条经过相邻RFID采集点间的通行数据，表示车辆A的电子车牌号，表示车辆A经过第i个RFID采集点的标识号。

S13.对所有的eid号执行步骤S12，将所有的车辆经过相邻RFID采集点的通行数据存储到数据库中。

步骤S2：提取所有的相邻RFID采集点的点对数据。遍历相邻RFID采集点的通行数据，选取所有数据中不相同的RFID采集点的点对数据＜rfid₀,rfid₁＞，并将其存入数据库中。

假设相邻RFID采集点的通行数据存储在表名为table_passing的数据表中，表中数据的属性为record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞，其中eid表示车辆的电子车牌号，t₀与rfid₀分别表示车辆经过的两个相邻RFID采集点中的第一个RFID采集点的时间和RFID采集点的标识号，t₁与rfid₁分别表示车辆经过的两个相邻RFID采集点中的第二个RFID采集点的时间和RFID采集点的标识号，t表示车辆经过这两个相邻RFID采集点的时间间隔。下文中还会多次用到相邻RFID采集点的通行数据，将会采用与此处同样的设定。

可以直接通过sql语句提取出所有通行数据中不相同的RFID采集点的点对数据。

Sql:select rfid₀,rfid₁from table_passing group by rfid₀,rfid₁

步骤S3：建立相邻RFID采集点间的行程时间分布概率模型，并且根据相邻RFID采集点间的车辆的通行时间间隔数据求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数。

S31.建立相邻RFID采集点间的行程时间分布概率模型。

车辆在通过两个相邻RFID采集点时会遇到以下三种情况中的一种：1、车辆快速经过两个相邻RFID采集点；2、车辆在经过两个相邻RFID采集点的过程中遇到了交通拥堵；3、车辆在经过两个相邻RFID采集点的过程中有停留。因此两个相邻RFID采集点间的行程时间分布概率模型就是在这三种情况下这两个相邻RFID采集点间的行程时间分布概率模型的联合。研究表明，在情形1中相邻RFID采集点间的行程时间分布概率模型为对数正态分布模型，在情形2与情形3中相邻RFID采集点间的行程时间分布概率模型为正态分布模型。因此两个相邻RFID采集点间的行程时间t的分布概率模型表示为：

其中：P(t)表示的是车辆经过这两个相邻RFID采集点间的时间间隔为t的概率，μ_move与σ_move代表的是情形1中所有车辆的通行时间间隔数据取对数后的期望和标准差，μ_jam和σ_jam代表的是情形2中所有车辆的通行时间间隔数据的期望和标准差，μ_stop和σ_stop代表的是情形3中所有车辆的通行时间间隔数据的期望和标准差，w_move,w_jam,w_stop表示的是情形1、情形2、情形2的权重系数。

S32.根据相邻RFID采集点间的车辆的通行时间间隔数据，应用EM算法求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数，如图2所示。

S321.首先选定准备求取行程时间分布概率模型参数的相邻RFID采集点的点对数据，假设相邻采集点的点对为＜rfid_a,rfid_b＞；

S322.提取经过相邻RFID采集点rfid_a和rfid_b的车辆通行时间间隔数据，Train＝{t₁,t₂,…,t_N}，Train是通行时间间隔数据的样本数据集，t_i是通行时间间隔。

可以通过sql语句从存储相邻RFID采集点的通行数据的数据表table_passing中筛选出。

Sql:select t from table_passing where rfid₀＝rfid_a and rfid₁＝rfid_b

S323.为相邻RFID采集点rfid_a和rfid_b间的车辆行程时间分布概率模型的参数赋初值。先将样本数据集Train随机分为3部分{Train_move,Train_jam,Train_stop}，然后用这3组数据计算初始化参数具体的计算公式如下所示

其中|Train_move|，|Train_jam|，|Train_stop|分别是Train_move,Train_jam,Train_stop中的样本数量，是(1)中参数<w_move,w_jam,w_stop,μ_move,μ_jam,μ_stop,σ_move,σ_jam,σ_stop>的初始值，In(t_i)表示对t_i求对数。

S324.根据行程时间分布概率模型的初始参数或上一次迭代后的参数来计算各个样本通行时间间隔t_i属于三种通行情形的概率大小具体计算如式(9)-(12)所示：

其中是在k次迭代后式(1)中相应参数的取值，t_i表示第i个样本通行时间间隔，表示对于k次迭代后的参数下，通行时间间隔t_i并且属于情形1的发生概率，表示对于k次迭代后的参数下，通行时间间隔t_i并且属于情形2的发生概率，表示对于k次迭代后的参数下，通行时间间隔t_i并且属于情形3的发生概率。zⁱ表示第i个样本通行时间间隔所属的情形，zⁱ＝move、zⁱ＝jam、zⁱ＝stop分别表示的是属于情形1、情形2、情形3，表示的是对于k次迭代后的参数下，第i个样本通行时间间隔属于情形zⁱ的概率值。

S325.经步骤S324得到所有样本通行时间间隔t_i属于三种通行情形的概率大小，并且求出假设所有样本通行时间间隔t_i属于三种通行情形的概率已经确定的情况下行程时间分布概率模型中各参数的最优值，如式(13)-(21)所示。

其中式(13)-(21)中有许多参数与前面公式中是一致的，并且表示相同的含义，N表示通行时间间隔数据的样本总量。

S326.对步骤S324与步骤S325进行迭代执行，直到多次迭代后所得的行程时间分布概率模型的参数收敛(基本不再变化)，并将得到的参数存入数据库。

S327.对所有的相邻RFID采集点的点对数据执行步骤S322到步骤S326，得到所有相邻RFID采集点间的车辆行程时间分布概率模型的参数。

步骤S4：根据车辆在两个相邻RFID采集点间的通行时间间隔t与这两个相邻RFID采集点间的行程时间分布概率模型，利用贝叶斯理论来判断车辆在这两个相邻RFID采集点间是否有停留，如图3所示。

S41.选定一辆车，它的RFID电子车牌号表示为e₀，提取出该车辆所有的相邻RFID采集点的通行数据，包括RFID电子车牌号，两个相邻的RFID采集点的标识号，经过这两个相邻的RFID采集点的通过时间间隔，＜eid,rfid₀,rfid₁,t＞，元组中各种属性与步骤2中的相关设定相同。

可以通过sql语句从存储相邻RFID采集点的通行数据的数据表table_passing中筛选出。表table_passing的相关设定与前文一致。

Sql:select eid,rfid₀,rfid₁,t from table from table_passing where eid＝e₀

S42.选取车辆e₀的一条经过相邻RFID采集点的通行数据，假设经过的相邻RFID采集点为rfid_a与rfid_b，在这两个RFID采集点间的通行时间间隔为t。查询得到RFID采集点rfid_a与rfid_b间的行程时间分布概率模型。计算当车辆在相邻RFID采集点rfid_a与rfid_b间的通行时间间隔为t，并且为情形1的概率是P(state＝move|t)，为情形2的概率是P(state＝jam|t)，为情形3的概率是P(state＝stop|t)，计算方法(22)-(24)所示，公式中相关参数的含义与步骤3中的一致。如果P(state＝stop|t)>P(state＝move|t)并且P(state＝stop|t)>P(state＝jam|t)，则判断车辆在这两个相邻RFID采集点间有停留，否则车辆在这两个相邻RFID采集点间没有停留。并且将判断结果进行保存。

S43.对车辆e₀的所有经过相邻RFID采集点的通行数据执行步骤S42；

S44.对所有的车辆执行步骤S42与步骤S43中。

步骤S5：根据得到的车辆在相邻RFID采集点间的是否停留的情况，提取所有车辆每次出行的起点和终点，如图4所示。具体如下：

S51.选取一辆车的RFID电子车牌号，筛选出该辆车所有的经过相邻RFID采集点的通行数据，并对这些数据按照经过相邻采集点中第一个采集点时间进行升序排序。

S52.读取该车辆的一条经过相邻RFID采集点的通行数据，如果这条数据是该辆车的第一条通行数据，则开始对于该辆车出行的划分，并且将这两个相邻采集点的第一个采集点为出行的起点。

S53.根据步骤S4的结果，如果车辆在这两个相邻RFID采集点间没有停留，则认为该条通行数据属于当前出行；如果车辆在这两个相邻RFID采集点间有停留，则保存这两个相邻采集点的第一个采集点为当前出行的终点，当前出行的划分完成，同时开始下一次出行的划分，并且保存这两个相邻采集点的第二个采集点为下一次出行的起点。

S54.如果这条通行数据是这辆车的最后一条通行数据，则保存这两个相邻采集点的第二个采集点为当前出行的终点。

S55.对该车辆所有的经过相邻RFID采集点的通行数据执行步骤S52到S54，得到该车辆每次出行的起点与终点数据。

S56.对所有车辆执行步骤S51到S55，获得所有车辆每次出行的起点和终点数据。

图5展示对于单辆车提取出行OD的示例。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (7)

1.一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，该方法包括以下步骤：

步骤S1、提取所有车辆经过相邻RFID采集点的通行数据record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞，其中,eid表示车辆的电子车牌号，t₀与rfid₀分别表示车辆经过两个相邻RFID采集点中的第一个RFID采集点的时间和RFID采集点的标识号，t₁与rfid₁分别表示车辆经过的两个相邻RFID采集点中的第二个RFID采集点的时间和RFID采集点的标识号，t表示车辆经过两个相邻RFID采集点的时间间隔；

步骤S2、遍历相邻RFID采集点的通行数据，选取所有相邻RFID采集点的通行数据record＝＜eid,t₀,rfid₀,t1,rfid₁,t＞中不相同的RFID采集点的点对数据＜rfid₀,rfid₁＞；

步骤S3、建立相邻RFID采集点间的行程时间分布概率模型，并且根据相邻RFID采集点间的车辆通行时间间隔数据求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数；

步骤S4、根据车辆经过两个相邻RFID采集点间的时间间隔t与这两个相邻RFID采集点间的行程时间分布概率模型，判断车辆在这两个相邻RFID采集点间是否有停留；

步骤S5、根据车辆在各相邻RFID采集点间的停留情况，提取车辆每次出行的起点和终点，将车辆的轨迹划分为多个出行段。

2.根据权利要求1所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S1具体包括以下子步骤：

S11.提取RFID电子车牌数据中的所有不同的eid号；

S12.从步骤S11得到的数据中选取一个eid号，筛选出RFID电子车牌数据集中所有包含有该eid号的RFID电子车牌数据，并按照车辆通过的时间升序进行排序得到车辆的轨迹R＝＜v,r,t＞，其中Tra^A表示车辆A的轨迹，R表示一条RFID电子车牌数据，v表示车辆的电子车牌号，r表示RFID采集点的标识号，t表示车辆被识别到的时间，表示车辆A经过第i个RFID采集点的时间；

将轨迹中相邻的RFID电子车牌数据相组合得到车辆经过相邻RFID采集点的通行数据，车辆经过相邻RFID采集点的通行数据表示为：

其中，recodr_i ^A表示车辆第i条经过相邻RFID采集点间的通行数据，表示车辆A的电子车牌号，表示车辆A经过第i个RFID采集点的标识号；

S13.对所有的eid号执行步骤S12，将所有的车辆经过相邻RFID采集点的通行数据存储到数据库中。

3.根据权利要求2所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S3包括以下子步骤：

S31.建立相邻RFID采集点间的行程时间分布概率模型，两个相邻RFID采集点间的行程时间分布概率模型为：

其中：P(t)表示车辆经过两个相邻RFID采集点间的时间间隔为t的概率，μ_move、σ_move、w_move分别表示车辆快速经过两个相邻RFID采集点时所有车辆的通行时间间隔数据取对数后的期望、标准差和权重系数，μ_jam、σ_jam、w_jam分别表示车辆在经过两个相邻RFID采集点过程中遇到交通拥堵时所有车辆的通行时间间隔数据的期望、标准差和权重系数，μ_stop、σ_stop、w_stop分别表示车辆在经过两个相邻RFID采集点的过程中有停留时所有车辆的通行时间间隔数据的期望、标准差和权重系数；

S32.根据相邻RFID采集点间的车辆的通行时间间隔数据，求取各相邻RFID采集点间的车辆行程时间分布概率模型的参数。

4.根据权利要求3所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S32包括以下子步骤：

S321.读取行程时间分布概率模型参数的相邻RFID采集点的点对＜rfid_a,rfid_b＞的数据；

S322.提取经过相邻RFID采集点rfi_da和rfid_b的车辆通行时间间隔数据Train＝{t₁,t₂,…,t_N}，Train表示通行时间间隔数据的样本数据集，t_i是通行时间间隔的第i条样本数据，N表示通行时间间隔数据的样本总量，i∈[1,N]；

S323.为相邻RFID采集点rfid_a和rfid_b间的车辆行程时间分布概率模型的参数赋初值；

S324.根据行程时间分布概率模型的初始参数或上一次迭代后的参数计算各个样本通行时间间隔t_i的概率大小

S325.在所有样本通行时间间隔t_i的概率已经确定的情况下计算行程时间分布概率模型中各参数的最优值；

S326.对步骤S324与步骤S325进行迭代执行，直到多次迭代后所得的行程时间分布概率模型的参数收敛；

S327.对所有的相邻RFID采集点的点对数据执行步骤S322到步骤S326，得到所有相邻RFID采集点间的车辆行程时间分布概率模型的参数。

5.根据权利要求3所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S4具体包括以下子步骤：

S41.提取一车辆所有的相邻RFID采集点的通行数据＜eid,rfid₀,rfid₁,t＞，

S42.选取车辆的一条经过相邻RFID采集点的通行数据，假设经过的相邻RFID采集点为rfid_a与rfid_b；计算当车辆在相邻RFID采集点rfid_a与rfid_b间的通行时间间隔为t，

当车辆快速经过两个相邻RFID采集点时，则概率为P(state＝move|t)；

当车辆在经过两个相邻RFID采集点的过程中遇到了交通拥堵时，则概率为P(state＝jam|t)；

当车辆在经过两个相邻RFID采集点的过程中有停留时，则概率为P(state＝stop|t)；

若P(state＝stop|t)>P(state＝move|t)并且P(state＝stop|t)>P(state＝jam|t)，则判断车辆在这两个相邻RFID采集点间有停留，否则车辆在这两个相邻RFID采集点间没有停留；

S43.对车辆的所有经过相邻RFID采集点的通行数据执行步骤S42；

S44.对所有的车辆执行步骤S42与步骤S43。

6.根据权利要求5所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S5具体包括以下子步骤：

S51.选取一辆车的RFID电子车牌号，筛选出该辆车所有的经过相邻RFID采集点的通行数据，并对这些数据按照经过相邻采集点中第一个采集点时间进行升序排序；

S52.读取该车辆的一条经过相邻RFID采集点的通行数据，如果这条数据是该辆车的第一条通行数据，则开始对于该辆车出行的划分，并且将这两个相邻采集点的第一个采集点为出行的起点；

S53.如果这条通行数据是这辆车的最后一条通行数据，则保存这两个相邻采集点的第二个采集点为当前出行的终点；

S54.对该车辆所有的经过相邻RFID采集点的通行数据执行步骤S52到S53，得到该车辆每次出行的起点与终点数据；

S55.对所有车辆执行步骤S51到S54，获得所有车辆每次出行的起点和终点数据。

7.根据权利要求6所述的5所述的一种针对RFID电子车牌数据的车辆出行轨迹划分方法，其特征在于，所述步骤S52后还包括：

如果车辆在这两个相邻RFID采集点间没有停留，则认为该条通行数据属于当前出行；如果车辆在这两个相邻RFID采集点间有停留，则保存这两个相邻采集点的第一个采集点为当前出行的终点，当前出行的划分完成，同时开始下一次出行的划分，并且保存这两个相邻采集点的第二个采集点为下一次出行的起点。