基于出租車軌跡的城市居民移動(dòng)模型相關(guān)研究

魯麗

摘要：軌跡數(shù)據(jù)在一定程度上反映了軌跡產(chǎn)生主體的行為特征，對(duì)軌跡數(shù)據(jù)的研究及相關(guān)挖掘工作受到了越來越多人的重視；出租車GPS軌跡數(shù)據(jù)，在一定程度上包含了部分居民出行行為的豐富信息。針對(duì)出租車GPS軌跡數(shù)據(jù)的相關(guān)研究近幾年呈上升趨勢(shì)，本文對(duì)這類研究進(jìn)行了分析和整理，探討了基于此類數(shù)據(jù)的基本處理流程、模型構(gòu)建與數(shù)據(jù)挖掘、以及可應(yīng)用的相關(guān)領(lǐng)域。

關(guān)鍵詞： 軌跡數(shù)據(jù)；數(shù)據(jù)挖掘；移動(dòng)模型；GPS；軌跡重建

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）06-0252-03

Abstract：To some certain extent， the trajectory data reflects the behavior of trajectory subject. The research on trajectory data mining and related work has attracted more and more attention； Taxi GPS trajectory data contains abundant information about travel behavior of residents. The related research on taxi GPS trajectory data has risen in recent years. This paper analyzed and collated for this type of research， discussed the basic processing and constructing model and data mining based on those data.

Key words：Trajectory data； data mining； mobile model； GPS； trajectory reconstruction

1 概述

在過去相當(dāng)長(zhǎng)一段時(shí)間里，研究人類移動(dòng)軌跡幾乎是一件不可能的事情。近些年來隨著傳感器技術(shù)及GPS技術(shù)的發(fā)展，大規(guī)模的記錄個(gè)體運(yùn)動(dòng)位置在經(jīng)濟(jì)上和技術(shù)上都變得比較可行，人們可以采集到大量的車輛、動(dòng)物和人的移動(dòng)軌跡數(shù)據(jù)，對(duì)人類移動(dòng)數(shù)據(jù)集的研究引起了研究者們?cè)絹碓蕉嗟呐d趣。盡管這些數(shù)據(jù)集的用途和處理方法不盡相同，但是研究結(jié)果表明，人類移動(dòng)符合一系列的特征，對(duì)于這些數(shù)據(jù)進(jìn)行分析，可以幫助人們更好地了解城市的交通狀況、動(dòng)物的活動(dòng)習(xí)性和人的移動(dòng)規(guī)律。

通過對(duì)軌跡數(shù)據(jù)進(jìn)行分析，可以理解世界日益增長(zhǎng)的需求，是理解全球化中一些復(fù)雜現(xiàn)象的關(guān)鍵，例如全球快遞業(yè)務(wù)、城市交通管理、鳥類遷移監(jiān)控等，傳統(tǒng)的針對(duì)這些數(shù)據(jù)的應(yīng)用局限于存儲(chǔ)和查詢對(duì)象的時(shí)空位置，勾勒對(duì)象的運(yùn)動(dòng)軌跡?，F(xiàn)在人們?cè)絹碓蕉嗟仃P(guān)注如何從大量的軌跡數(shù)據(jù)中，進(jìn)行建模，將建構(gòu)好的模型提供給相關(guān)的應(yīng)用，通過建模一方面可以歸納軌跡運(yùn)動(dòng)的軌跡，另一方面可以基于模型進(jìn)行一些預(yù)測(cè)。[1]

人類移動(dòng)軌跡的研究是一項(xiàng)非常有挑戰(zhàn)的研究，尤其是當(dāng)其與機(jī)會(huì)網(wǎng)絡(luò)的應(yīng)用研究相關(guān)時(shí)，本文回顧了人類移動(dòng)分析研究成果的現(xiàn)狀，針對(duì)一些移動(dòng)模型進(jìn)行了調(diào)查研究，著重考慮了比較容易獲取到的城市出租車移動(dòng)數(shù)據(jù)，探討了通過出租車數(shù)據(jù)構(gòu)建居民移動(dòng)模型的一些研究、在此基礎(chǔ)上展開的相關(guān)應(yīng)用及相關(guān)應(yīng)用系統(tǒng)的基本處理流程。

2 研究現(xiàn)狀及動(dòng)態(tài)

研究人類移動(dòng)軌跡的模式和特征是一項(xiàng)非常有挑戰(zhàn)性的任務(wù)，對(duì)于公共健康、城市規(guī)劃、交通工程、和經(jīng)濟(jì)預(yù)測(cè)都有重要的意義。[2]

移動(dòng)軌跡可被定義為由移動(dòng)實(shí)體在空間移動(dòng)時(shí)產(chǎn)生的路徑。典型的移動(dòng)物體包括汽車、個(gè)人、和安裝有GPS裝備的飛機(jī)，加了RFIDs標(biāo)簽的包裹，穿戴了特殊傳感器設(shè)施的動(dòng)物，這些傳感器發(fā)送的信號(hào)可以被衛(wèi)星采集到。[3]

時(shí)空現(xiàn)象分析引起了一些研究團(tuán)體濃厚的興趣。軌跡數(shù)據(jù)已經(jīng)被用于諸如社會(huì)科學(xué)、生物學(xué)、醫(yī)學(xué)、地理信息科學(xué)、數(shù)據(jù)挖掘等方面。例如：在社會(huì)科學(xué)中，研究人群在時(shí)間和空間上的活動(dòng)一直以來都是一個(gè)非常重要的研究領(lǐng)域，可以用來解決諸如：居民遷移、購(gòu)物、旅游、通勤行為等。[4，5]

軌跡數(shù)據(jù)代表了人類移動(dòng)，能建立一個(gè)更好的真實(shí)的社會(huì)網(wǎng)絡(luò)。目前軌跡數(shù)據(jù)可分為以下幾個(gè)類別。[6]

1）人的移動(dòng)軌跡

以空間軌跡的方式記錄人在真實(shí)世界的活動(dòng)，主要包括主動(dòng)記錄和被動(dòng)記錄。

主動(dòng)記錄包括：旅行者為了記錄旅行經(jīng)歷、與朋友分享旅行經(jīng)驗(yàn)，通過GPS軌跡記錄旅行路線；自動(dòng)車運(yùn)動(dòng)員，徒步行走者記錄他們的軌跡進(jìn)行運(yùn)動(dòng)分析。在有些應(yīng)用中，用戶上傳的一系列的地理圖片能生成空間軌跡，每個(gè)圖片有地理標(biāo)志時(shí)間標(biāo)志，記錄圖片產(chǎn)生的時(shí)間和地點(diǎn)。

被動(dòng)的記錄包括：人們?cè)谑褂靡苿?dòng)電話時(shí)，產(chǎn)生了很多空間軌跡數(shù)據(jù)，這些空間軌跡數(shù)據(jù)以一系列的蜂窩塔ID號(hào)表示，包括相應(yīng)的接入時(shí)間等；信用卡的交易記錄也隱含了攜卡人的空間軌跡信息，每個(gè)交易都包含時(shí)間戳和供應(yīng)商ID號(hào)，能表明具體位置。

2）交通工具移動(dòng)軌跡

我們?nèi)粘Ｉ钪杏写罅垦b備了GPS的交通工具（出租車，公交，飛機(jī)，地鐵），例如，很多大城市的出租車都配備了GPS，使得出租車能夠以一定的頻率報(bào)告基于時(shí)間的位置信息，形成了大規(guī)模的空間軌跡數(shù)據(jù)，這些數(shù)據(jù)可以用于資源發(fā)布，交通分析，提升交通網(wǎng)。

3）動(dòng)物移動(dòng)軌跡

生物學(xué)家收集了動(dòng)物的移動(dòng)軌跡，例如老虎的，鳥的，可以研究動(dòng)物遷徙的軌跡。

4）自然現(xiàn)象的移動(dòng)軌跡

人類學(xué)家、環(huán)境學(xué)家、氣候?qū)W家及海洋學(xué)家收集自然現(xiàn)象的移動(dòng)軌跡，可以為全球性的環(huán)境氣候等問題研究提供參考。

目前GPS成為國(guó)內(nèi)大多數(shù)城市出租車的標(biāo)準(zhǔn)配置，它能夠?qū)崟r(shí)記錄出租車速度、位置、載客信息、方向信息。出租車作為城市常用的交通工具，在城市內(nèi)廣泛分布，出租車GPS數(shù)據(jù)全面，連續(xù)性強(qiáng)，作為公共交通工具不存在隱私問題，因此出租車GPS數(shù)據(jù)是研究城市居民移動(dòng)模式很好的數(shù)據(jù)源。

安裝了GPS的出租車可實(shí)現(xiàn)大范圍、全天候的車輛行駛數(shù)據(jù)采集，這些量大、時(shí)刻變化的GPS數(shù)據(jù)記錄了城市交通、人群移動(dòng)的動(dòng)態(tài)變化信息，對(duì)研究城市交通、城市居民出行模式有重要的意義。[7]

Castro P S 等[8]基于大量的出租車GPS軌跡數(shù)據(jù)，提出了一種構(gòu)建出租車密度模型的方法，通過這個(gè)模型可以預(yù)測(cè)未來交通情況，估算機(jī)動(dòng)車排放對(duì)城市空氣質(zhì)量的影響。由于僅僅考慮出租車數(shù)據(jù)不能完全反映道路機(jī)動(dòng)車的密度，因此文中對(duì)此進(jìn)行了建模，通過出租車密度來預(yù)估道路實(shí)際機(jī)動(dòng)車密度情況及通行情況。

Chen C等[9]提出了利用出租車夜晚的GPS軌跡數(shù)據(jù)來規(guī)劃夜間公交車路線。針對(duì)雙向bus，他們提出了2個(gè)階段的路徑選擇；第一個(gè)階段，通過探測(cè)乘客上下車位置，找到區(qū)域中的熱點(diǎn)，然后通過一些方法將大的熱點(diǎn)區(qū)域劃分為幾個(gè)小區(qū)域，每個(gè)小區(qū)域中指定一個(gè)位置作為候選的公交車站；第二個(gè)階段，給定公交車的起始點(diǎn)，方向，和候選站點(diǎn)，以及公交站間隔限制，從而得到公交運(yùn)行路線圖。

綜上所述，研究出租車軌跡數(shù)據(jù)可以為居民出行，城市規(guī)劃，交通預(yù)測(cè)，污染預(yù)測(cè)等方面提供分析基礎(chǔ)。

3 相關(guān)應(yīng)用系統(tǒng)

基于軌跡處理的相關(guān)應(yīng)用主要包含以下幾個(gè)模塊：

3.1 預(yù)處理

出租車軌跡數(shù)據(jù)的采集來源于安裝在出租車上的GPS設(shè)備，由于GPS衛(wèi)星定位、操作失誤等因素，所獲取的GPS原始數(shù)據(jù)可能存在較大的誤差，直接利用這些原始數(shù)據(jù)進(jìn)行移動(dòng)行為分析勢(shì)必會(huì)嚴(yán)重影響分析質(zhì)量，因此需要對(duì)原始的GPS數(shù)據(jù)進(jìn)行預(yù)處理。

3.1.1 軌跡重建

搜索GPS嵌入式移動(dòng)設(shè)備產(chǎn)生的數(shù)據(jù)，處理該原始數(shù)據(jù)，獲取移動(dòng)物體的軌跡，保存軌跡到相應(yīng)的庫(kù)（軌跡數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)）的過程被稱為軌跡重建。[10]

軌跡重建的準(zhǔn)確度依賴于原始數(shù)據(jù)的質(zhì)量，相鄰的軌跡位置的距離可以從幾米到幾百米；通過插值，找到一條合適的曲線來連接采樣點(diǎn)。線性插值是最快和最簡(jiǎn)單的方法之一，通常采用直線連接不同的采樣點(diǎn)。軌跡重建往往采用線性假定，即不同實(shí)體在相同的采樣點(diǎn)之間移動(dòng)時(shí)，相等的時(shí)間將導(dǎo)致在空間移動(dòng)相同的距離。

3.1.2 數(shù)據(jù)校準(zhǔn)

在路線建議、交通監(jiān)控、流浪預(yù)測(cè)等應(yīng)用中需要一個(gè)高采樣率的軌跡數(shù)據(jù)集，以減少不確定性。通過地圖輔助軌跡重建的方法稱為地圖重建法?？捎行У靥岣哕壽E應(yīng)用相關(guān)系統(tǒng)性能。

3.2 構(gòu)建移動(dòng)模型

基于修正后的移動(dòng)數(shù)據(jù)可在此基礎(chǔ)上構(gòu)建移動(dòng)模型，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)挖掘等應(yīng)用。

馬武彬等根據(jù)對(duì)出租車歷史運(yùn)動(dòng)軌跡數(shù)據(jù)的分析發(fā)現(xiàn)：出租車在長(zhǎng)期的運(yùn)動(dòng)過程中，在某些特定時(shí)段，位于某些特定的空間狀態(tài)存在一定的規(guī)律，他通過隱馬爾科夫模型來對(duì)出租車移動(dòng)軌跡進(jìn)行建模，構(gòu)建出租車移動(dòng)概率模型，通過對(duì)模型計(jì)算預(yù)測(cè)節(jié)點(diǎn)位置分布概率，為用戶推薦最佳搭乘路線。[11]

Karamshuk等，通過研究人們?nèi)粘＝佑|時(shí)移動(dòng)的習(xí)慣和模式，構(gòu)建人類移動(dòng)模型，預(yù)測(cè)未來相遇的節(jié)點(diǎn)，從而為機(jī)會(huì)網(wǎng)絡(luò)數(shù)據(jù)包的準(zhǔn)確投遞提供支撐。[2]

Zheng等利用出租車歷史運(yùn)行數(shù)據(jù)，建立移動(dòng)模型，通過移動(dòng)模型挖掘居民出行基本模式，進(jìn)而將其運(yùn)用到交通規(guī)劃中，挖掘城市公共交通中需要改進(jìn)的地方，從而指導(dǎo)城市交通規(guī)劃建設(shè)。[12]

Peng等利用出租車歷史軌跡，建立居民移動(dòng)規(guī)律模型，發(fā)現(xiàn)上海市民在周末只要進(jìn)行三類移動(dòng)：從工作地到家里、不同商圈之間、其他移動(dòng)。

4 結(jié)論

出租車GPS軌跡數(shù)據(jù)是城市深層動(dòng)態(tài)特性的映射，不僅能夠體現(xiàn)城市交通信息狀態(tài)分布，同時(shí)也反映了城市的市民生活方式、經(jīng)濟(jì)文華分布、城市地理結(jié)構(gòu)等深層次的城市特征。在數(shù)據(jù)科學(xué)崛起的大背景之下，綜合利用大數(shù)據(jù)及云計(jì)算的快速實(shí)時(shí)性和預(yù)測(cè)性，對(duì)GPS軌跡數(shù)據(jù)實(shí)時(shí)分析處理、統(tǒng)計(jì)學(xué)習(xí)、深層挖掘，可發(fā)現(xiàn)城市內(nèi)在模式和運(yùn)行規(guī)律，大大提高智能交通信息化管理水平。

從軌跡數(shù)據(jù)的相關(guān)應(yīng)用、出租車GPS數(shù)據(jù)系統(tǒng)的基本構(gòu)成、GPS軌跡數(shù)據(jù)挖掘方法三個(gè)方面，本文綜述了基于出租車GPS軌跡大數(shù)據(jù)驅(qū)動(dòng)的城市居民移動(dòng)模型研究發(fā)展現(xiàn)狀，闡述了目前國(guó)內(nèi)外研究成果和研究進(jìn)展基于現(xiàn)有研究。

參考文獻(xiàn)：

[1] Song C. Modelling the scaling properties of human mobility[J]. Nature Physics， 2010， 6（10）：818-823.

[2] Karamshuk D， Boldrini C， Conti M， et al. Human mobility models for opportunistic networks[J]. IEEE Communications Magazine， 2011， 49（12）：157-165.

[3] Spaccapietra S， Parent C， Damiani M L， et al. A conceptual view on trajectories[J]. Data & Knowledge Engineering， 2008， 65（1）：126-146.

[4] Mei-Po K， Lee J. Geo visualization of Human Activity Patterns Using 3D GIS： A Time-Geographic Approach[J]. Spatially Integrated Social Science， 2003：48-66.

[5] Thériault M， Claramunt C， Séguin A M， et al. Temporal GIS and Statistical Modelling of Personal Lifelines[M]. Advances in Spatial Data Handling. Springer Berlin Heidelberg， 2002：84-92.

[6] Zheng Y. Trajectory Data Mining： An Overview[J]. Acm Transactions on Intelligent Systems & Technology， 2015， 6（3）：1-41.

[7] 張紅， 王曉明， 過秀成，等. 出租車GPS軌跡大數(shù)據(jù)在智能交通中的應(yīng)用[J]. 蘭州理工大學(xué)學(xué)報(bào)， 2016， 42（1）：109-114.

[8] Castro P S， Zhang D， Li S. Urban Traffic Modelling and Prediction Using Large Scale Taxi GPS Traces[M]. Pervasive Computing. Springer Berlin Heidelberg， 2012：57-72.

[9] Chen C， Zhang D， Li N， et al. B-Planner： Planning Bidirectional Night Bus Routes Using Large-Scale Taxi GPS Traces[J]. Intelligent Transportation Systems IEEE Transactions on， 2014， 15（4）：1451-1465.

[10] 蒲劍蘇，屈華民，倪明選.移動(dòng)軌跡數(shù)據(jù)的可視化[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2012， 24（10）：1273-1282.

[11] 馬武彬， 劉明星， 黃宏斌，等. 依據(jù)歷史軌跡構(gòu)建城市出租車移動(dòng)概率模型[J].國(guó)防科技大學(xué)學(xué)報(bào)， 2014（3）：129-134.

[12] Zheng Y， Liu Y， Yuan J， et al. Urban computing with taxicabs[C]. International Conference on Ubiquitous Computing. ACM， 2011：89-98.