《城市出租车上下客的GPS轨迹时空分布探测方法》(阅读笔记)20171229
2017-12-29 15:21
176 查看
《城市出租车上下客的GPS轨迹时空分布探测方法》2015
Abstract:
本文将出租车不同时段上下客量投影到城市路网上,提出采用线密度概念和模型,对出租车上下客进行时空分布特征探测和分析,刻画不同时间粒度,不同空间尺度上出租车上下客的时空变化规律,为乘客找到出租车和出租车找到客源提供可靠的依据。BASELINE:
1、提出一种能表达复杂时间的时间元组
原文如下:2、声明 :基于离散点的聚类方法无法准确描述出租车上下客点的位置
原文如下:现有的点密度算法或聚类算法都基于离散点,这些算法在实现中往往会忽略和割裂FCD点之间的关联性
在出租车GPS轨迹数据中,有一个属性是描述出租车是否载客的状态信息,其中1 表示载客,0 表示空载,由于GPS采集的出租车轨迹数据时间间隔大约40~60 s,使轨迹数据中无法准确获得上下客点位置
3、提出了 基于线密度 探测出租车上下客事件 的方法
线密度定义:假定一条不规则形状的曲线R,赋予一个权值W表示在 曲线R 上出现的线性事件的量。给这条曲线添加任意多个节点,这些结点将曲线R打断成多个子线 段R1,R2,…,Rn,相应地分别赋予每个子线段一个权值W1,W2,…,Wn,这些权值即代表某个子线段 Ri 上出现的线性事件发生的量,那么,子线段Ri 上 线性事件经过的量Wi与在曲线R上出现的线性事 件的量W的比值,即为在该子线段Ri 上该线性事 件的线密度LD(Line Density),表示如式(1)所示。
LD=WiW
文章发现,线密度越大,发生该线型事件的概率越大
4、参考文献中,有两篇文献值得后续阅读
[ 6 ] 孙飞,张霞,唐炉亮,等.基于GPS轨迹大数据的优质客源时空分布研究[J].地球信息科学学报,2015,17(3):329-335. (OK)[14] Li B, Zhang D, Sun L, et al. Hunting or waiting? Discovering passenger-finding strategies from a large-scale realworld taxi dataset[C]. 2011 IEEE International Conference on Pervasive Computing and Communications Workshops, 2011:63-68. (OK)
思考:
能否利用文中提到的用‘线密度’描述出租车上下客事件的方法,去描述载客点聚集区域?那么描述子不是一个个点,而是一个矢量,所构建的时空分布图是什么样的呢?相关文章推荐
- Essential c++阅读笔记-第3章 vs2010下vector的find方法排错
- 笨方法学python(本文为阅读时从此书摘录的笔记) 第六天(留坑)
- 52个有效方法阅读笔记二
- 机器学习笔记四 - 牛顿方法、指数分布族、广义线性模型、广义线性模型(多项式分布)
- 熊猫书院DAY4笔记——《如何阅读一本书》之阅读不同读物的方法(二)
- 关于敏捷开发方法(Agile Software Development)的阅读笔记
- android源码阅读笔记1-配置源码路径/阅读源码方法讨论
- Effective Java 阅读笔记 第七章(方法)
- 《代码阅读方法与实现》阅读笔记三
- 统计学习方法笔记(8)——提升方法之前向分布算法和提升树
- 《代码阅读方法与实现》阅读笔记二
- IO篇二( IO典型的使用方法 thinking in java 4th 阅读笔记)
- Android的GPS的代码阅读笔记
- Android第一行代码阅读笔记001 主要文件夹介绍、activity的注册、资源引用的方法、Log日志打印的使用
- 52个有效方法阅读笔记三
- 自学笔记-16001-代码阅读方法与实践
- 用户故事与敏捷方法阅读笔记一
- 《Effective Objective-C 2.0:编写高质量iOS与OS X代码的52个有效方法》阅读笔记
- 基于百度时空大数据的城市计算(讲座精华笔记)
- 笨方法学python(本文为阅读时从此书摘录的笔记) 第五天