基于改进的反距离权重插值的车辆轨迹重构方法

为解决车辆行驶过程中,时常出现的信息丢失、数据接收障碍等问题,提出了反距离权重插值方法。反距离权重插值算法因其简单,普适性强被广泛用于车辆轨迹重构,但车辆轨迹数据的分布多呈现离散、不均匀状态,当分布点采集不均匀时反距离权重插值方法会严重影响插值精度。针对这一问题,结合自然邻近关系的良好自适应分布特性,提出一种改进的反距离权重插值方法。首先,将车辆轨迹数据与道路路网数据进行匹配后,采用3σ准则法对车辆轨迹数据进行粗差剔除预处理。其次,对轨迹数据构建初始路网,并通过逐点插值法对初始路网进行插值,局部调整得到新的车辆轨迹,以待插点的一阶邻近点作为反距离权重插值参考点,通过建立自适应规则,调整各子区域内的变化参数,使其均匀地分布在待插值点周围,再进行反距离权重插值计算。最后,采用山东省淄博市的出租车轨迹数据对提出改进的反距离权重插值方法进行验证,收到了良好的效果。并在插值精度方面与当下应用较广的插值算法进行对比试验,试验表明,改进的反距离权重插值算法在原有性能的基础上具有更高的插值精度,可以应用于车辆轨迹数据丢失后的修补工作。

出行者子停留语义推断模型框架

利用GPS轨迹宏观背景信息推断出行者出行目的方法,存在信息采集繁杂、实时处理不便等问题.提出了直接以GPS轨迹数据的语义信息为研究对象,着眼于挖掘GPS轨迹中出行者的微观活动信息,从而推断出行者出行目的的新算法.该算法通过辨识轨迹停留中的子停留,挖掘子停留的语义信息,并用活动点特征参数(时长、速度、转角)对信息进行量化,将特征参数值与在大量数据统计结果基础上构建的判别信息库进行比对,得出子停留活动类型,继而推断出行者的出行目的.真实采集的数据集验证了所提算法的有效性.

关于出租车载客地点序列推荐技术的研究

在大城市中,出租车已成为实现智能交通运输系统不可或缺的一环。然而,由于一些出租车司机的驾驶经验,和对城市活动的熟悉程度的不足,使得其在寻找乘客时会采取毫无目的的随机漫游策略。这就导致了出租车司机的收益不高,同时也造成了能源的消耗以及环境的污染。针对此问题,将提出出租车载客地点的推荐模型,使得模型给出的推荐地点序列能获得较高的期望收益。具体来说,将基于出租车GPS轨迹数据建立出租车载客地点的马尔科夫决策过程模型,并给出求解该模型的2种算法。仿真实验结果显示,与典型的TopK方法相比,给出的推荐结果能更好地提高单位时间内出租车司机的收益。