Inferring Taxi Status Using GPS Trajectories论文思路

这篇论文主要使用GPS轨迹来判断出租车的状态，包含Occupied（用O表示）、Non-occupied（用N表示）、Parked（用P表示）。

当前出租车的现状：

1.大多数出租车没有把计费表和GPS连接到一起，所以驱动了本论文技术的研究；

2.为了省电，出租车一般将GPS的上报时间调整为分钟级，这就造成了数据的稀疏性，降低了采样率；

3.出租车状态变换比较频繁，乘客、司机、道路情况、所处时间段都是影响出租车状态的因素。

其中2、3点给本文所研究的技术带来了难度。

文章主要从以下几方面展开：

1.将GPS数据映射到道路上，结合出租车的轨迹、历史轨迹以及道路数据提取一系列的特征，这些特征可以有效弥补低采样率的不足；

2.训练两个分类器，首先是局部概率模型、然后是隐半马尔科夫模型（HSMM）；

3.使用3个月内采集的600辆出租车的数据进行效果验证。

数据格式：

数据集包含一组出租车的数据；

每辆出租车的数据包含一个轨迹点集合；

每个轨迹点包含两部分，第一部分为位置信息（包含精度、纬度、时间戳），第二部分为状态标志

首先是P状态的检测算法：

1.首先使用基于密度的聚类算法得到一些备选点集。首先定义pivot point：    ------------------------公式1

点xi就是pivot point，其中m是符合两个阈值条件的最大值。初始备选点集为：

然后从xi的下一个点开始，获取其之后的符合公式1条件的点来扩展备选点集C，直到没有符合条件的点为止。

重复以上过程，直到一条轨迹中所有的点都被遍历到。输出为多个备选点集。

2.阶段1只是找出了在密度上比较大的点集合，但是考虑到塞车或者红灯等情况，这些点集合可能会有噪音存在。使用有监督训练来判别一个备选点集是否为parking place，使用到的特征有：

Minimum Bounding Ratio

Average Distance

Center Distance

Duration

History and PioVector

主要从长宽比、与道路的距离、停车时间长短、历史情况等来区分道路和停车区域。