基于浮动车数据的经验知识获取与时空建模

With the rapid social and economic developments in China, the amount of vehicles has increased so rapidly that many traffic problems have become more and more serious, such as traffic congestion, traffic accidents, and the contradictory relationship between roads and vehicles..Traffic data collection is crucial in a traffic management information system. The term Floating Car Data (FCD) refers to the data collected continuously by a fleet of vehicles (i.e., taxis in this study), which can be considered as a distributed network of sensors similar to GPS, mobile phones, and WIFI access points.Taxi drivers drive on the roads every day and become very knowledgeable of the spatiotemporal traffic patterns in a city. It therefore is reasonable to assume that the routes chosen by taxi drivers often work out better than those selected by other drivers. Since dynamic navigation assistance based on real-time traffic information faces limitations such as the spatial coverage of real-time data collection sites, performance of real-time data processing and communications, and accuracy of short-term traffic forecasts in a large urban area, experiences gained by taxi drivers can be a valuable data source for improving the quality of vehicle navigation guidance. This project develops a vehicle navigation guidance system based on taxis drivers' knowledge derived from floating car data collected over an extended time period. We then classify road segments based on the spatiotemporal characteristics of taxi tracking data. A case study using taxi tracking data collected in Wuhan, China is presented to demonstrate the performance of this vehicle navigation system based on taxi tracking data.

人们在熟悉的城市环境中，会根据自己的经验知识，找到合理的出行路径，但是当人们处于陌生环境中，由于对城市交通不熟悉，在日益拥堵的城市中出行非常困难。如何将熟悉城市环境人群的经验知识用于公众在陌生环境中出行，一直是科学家们亟待解决的课题。.2010年《Science》指出"基于历史轨迹数据的统计，发现有93%的规律和重复性"，"经验路径比当前导航系统规划的路径更优越"。本课题以出租车GPS采集的浮动车轨迹数据为研究对象，研究出租车司机对于城市交通的时空认知规律与经验知识的获取，解决"经验知识获取需求亲身体验"的难题；提出采用基于Space-Time的经验知识多维度、多尺度时空表达与建模方法，解决困扰国内外研究者们"经验知识时空表达困难"的科学问题，建立个性化出行用户需求模型，将经验知识用于公众个性化出行的路径优化，避开和缓解城市交通拥堵，方便公众出行，具有重要的研究价值和应用前景。

随着城市人口的急剧增长，城市的空间结构日益复杂，道路交通环境日趋恶化，人们在不熟悉的环境中出行非常困难。2010 年《Science》指出“基于历史轨迹数据的统计，发现有93%的规律和重复性”，“经验路径比当前导航系统规划的路径更优越”。出租车每天运行在城市的大街小巷，出租车司机在长期的运营中对城市的交通形成了深刻的理解，出租车的轨迹中也蕴含了丰富的交通出行的经验知识。本课题以出租车GPS采集的轨迹数据为研究对象，研究了基于出租车认知规律的时空轨迹融合与路网生成、道路网动态拓扑时空建模、基于时空GPS轨迹的精细交通知识信息获取、时空GPS轨迹大数据网络传输共享等相关方法，发现了出租车司机对城市道路交通从“感知→认知→经验”三层次时空交通认知规律，提出了基于Space-Time GIS的经验知识时空多维多尺度建模方法，构建经验知识的时空数据模型，研究经验知识的时空表达与建模；研究公众出行的多目标偏好用户需求模型与个性化出行路径优化算法，满足公众个性化出行。. 经过四年的研究，本课题组取得了一系列的研究成果：提出一种低精度GPS轨迹数据的高精度自适应滤选方法与精细车道信息获取方法，实现了从车载GPS轨迹大数据中自适应滤选出符合期望精度需求的高精度轨迹数据；提出了基于认知规律的时空轨迹融合与路网生成方法以及城市道路网络动态拓扑的时空模型，实现了从车载GPS大数据的路网生成和时空轨迹融合与动态拓扑建模表达；提出了交叉口不同转向的通行时间探测方法并进行路径优化，解决了交叉口通行时间难以估计与转向问题；提出了了城市道路拥堵排队线事件的核密度分布时空分析方法，形成了基于时空GPS轨迹大数据的城市空间动态性分析新理论；提出了基于相似度的网络渐进传输方法，解决时空交通经验知识数据的网络传输共享的难题。相关研究成果申请专利8项、软件著作权3项；研究成果发表了19篇论文（其中SCI 论文7篇，EI期刊论文7篇，核心期刊论文5篇），研究成果相继发表在国际地理信息领域TOP顶级SCI期刊IJGIS、CAGIS，交通领域TOP期刊IEEE ITS以及国内权威期刊上。人才队伍建设方面，唐炉亮教授2015年入选珞珈学者特聘教授。