论文译文

Drive Smartly as a Taxi Driver

前景介绍

Abstract—GPS-equipped 出租车移动传感器探测交通流路的表面上，和出租车司机经验丰富司机通常可以找出最快的路径为目的基础上的知识。在本演示中，我们提供与用户几乎快到目的地的路径在给定的出发时间方面的出租车司机的情报开采历史定位轨迹的出租车。我们建立我们的系统，称为t-drive，通过一个实际的轨迹数据所产生的超过33000的出租车在为期3个月，和进行合成实验和现场评价。因此，我们的方法优于real-timetraffic—基础（逆转录）和speed-constraint-based（律师）方法在效率和效益。关键词路径发现，驾驶方向，t-drive，全球定位系统轨迹，标志图形。

一种快速行驶路径，不仅节省了时间的司机能源消耗（如大部分被浪费在交通果酱）。在实践中，大城市日益严重的交通问题通常有大量的士穿越道路表面。出于管理和安全，这些出租车已嵌入了一个传感器，其中使出租车报告其当前位置到一个数据中心在一定的频率。因此，大量的时间全球定位系统轨迹的出租车已积累和容易获得。计算最快的路线通过考虑驱动和速度模式从历史的经验教训的全球定位系统的运动轨迹。

直观地，出租车司机是经验丰富的司机谁能通常找出最快的路径发送旅客一目的地的知识基础上（我们相信，大多数出租车司机是诚实的，虽然其中一些可能给乘客环岛之旅）。当选择驾驶方向，除了距离的路线，他们还考虑其他因素，如变流量的道路表面，交通信号和包含在一个方向转路线，以及事故的概率。这些因素可以学到的经验丰富的司机，但太微妙难纳入现有的路由引擎。本因此，这些历史出租车轨迹，这意味着智力经验的司机，为我们提供了一个宝贵的学习资源几乎快驾驶方向。

在本文中，我们提出矿山智能驾驶方向从现实世界的历史定位轨迹的出租车。这是一个真正的应用程序（称为t-drive）如下策略的“移动”+“云”，这已被视为网络服务的新趋势。如图1所示，全球定位系统的轨迹是由（移动）和出租车聚集在云哪里可以我的出租车司机智能的轨迹。然后，云能利用智能回答查询从普通司机使用移动设备或其他互联网用户。给定一个起点和目的地，我们的方法可以建议的实践最快路径根据用户的始发时间（参见图2））。此外，云可以保证的建议最快的路线是最先进的更新数据及时的。

这项工作的贡献在于以下三方面的：1表演“传感器数据◊行驶方向相反“传感器数据◊交通信息◊驱动方向”，即，我们不需要明确的建造速度估计模型（每路），可以介绍错误的路由过程。2我们提出这一概念的里程碑图，可以很好地新型人类知识的出租车司机的基础上真正的出租车轨迹和提高在线计算路径搜索。3我们建立我们的系统使用真实世界的轨迹数据，并评估系统进行合成实验和现场评价。

结构

如图3所示，该架构的系统由三个主要部分组成：轨迹预处理，地标和路线图，计算。第2部分脱机操作和第三运行在线。

预处理：这一部分第一段轨迹全球定位系统的运动轨迹为有效的旅行，然后匹配每个行程对道路网络。1）在实践中，一个全球定位系统日志记录出租车的运动在这几天，出租车可以发送多个乘客目的地的各种。计算最快的路线通过考虑驱动和速度模式从历史的经验教训的全球定位系统的运动轨迹。因此，我们分区的全球定位系统登录到出租车的轨迹代表个人旅行按计价器的交易记录。2）地图匹配：我们利用我们的ivmm算法，其中有一个更好的性能比现有地图匹配算法在处理与low-sampling-rate轨迹，在每一个地图定位点访问相应的路段点在哪里记录。因此，出租车轨迹转换为序列部分道路。

里程碑图构建：我们分开的周日轨迹的周末，并建立一个里程碑图为平日或周末分别。什么时候建筑图形，我们首先选择Top - k路段相对较多的预测（即，经常走过出租车）为标志。然后，我们连接标志标志边缘有至少米轨迹通过这些标志。后来，我们估计分配的旅行时间每个里程碑的边缘使用ve-clustering算法。现在，时间依赖性里程碑图准备的在线计算。图4说明了一个例子，建设一个里程碑图。在这案例，我们金=4米=1。

路线计算：给定一个查询的（Q，量子点，运输署），我们进行了二级路由算法找到最快的路线。在第一阶段，我们进行一个粗略的路由搜索时间依赖的里程碑图粗糙路线最快由一系列的标志。计算最快的路线通过考虑驱动和速度模式从历史的经验教训的全球定位系统的运动轨迹。在第一阶段，我们进行了改进路由算法，计算详细的路线实际路网中的顺序连接标志在粗糙的路线。图5显示路由概念

评价

我们评估我们的方法使用一个真正的轨迹数据集的33000辆出租车在北京的一个时期三个月。仿真实验和现场研究已进行了。当进行in-thefield研究中，我们利用一些全球定位系统轨迹（从geolife项目[）记录真实用户的驾驶记录的现实世界的有效性的试验方法。本数据已公布，可用于自由研究。在评估过程中，我们比较我们的方法与实时交通（逆转录）和speed-constraint-based（资深）方法。

图6和图2里程碑时=500和金=4000。红点代表的标志和蓝色系指划时代的边缘。一般来说，

好的图覆盖北京市，其分布如下的常识知识。

图7显示结果的综合评价，在fr1代表许多路线的建议我们的方法是高于基线，并反映到什么程度我们的在线速度超过基线的。在这里，我们的方法和逆转录方法使用的方法为基准。如图7），超过60%的路线快的资深大律师的做法，和20%路线共享相同的结果。同时，fr1正在增强的增加钾时< 9000，并成为稳定的钾＞9000时。这是，这是没有必要继续扩大规模，一个里程碑图实现更好的性能。图7乙）情节迭我们和逆转录。例如，当金=9000，50%多条航线的建议我们的方法是至少20%个速度比的方法。这显然优于逆转录方法，其中只有5%条航线同在线。

在表1中，符号代表不同的价值Δ距离或时间。1代表的比例，我们的路线优于基准（谷歌地图），和R 2表示在何种程度上我们的路线以外的基线。例如，80.8%的路线的建议我们的t-drive系统速度快，谷歌地图平均路线，我们可以节省11.9%的时间（t检验：<0.001）。