Dec, 2015

使用大型出行数据的出行时间估计简单基线

PDF
TL;DR利用出租车轨迹数据，提出一种简单的行程预估基准方法，可以用于导航和行程规划等多个领域，其效果优于现有的大规模实验平台（如 Bing Maps 和百度地图）的状态 - of-the-art 方法。
trajectory dataurban dynamicsbig data methodstravel time estimationtrip planning
发现论文，激发创造
  • (蓝色) 出租车部分轨迹上的目的地和行程时间预测

    本文介绍了基于集成学习和行程匹配的实时出租车目的地和车程时间预测方法。该方法利用约 1.7 百万出租车行程数据集中的模式，有效地预测了正在进行的出租车行程的相应最终目的地和旅行时间，是 ECML/PKDD Discovery Challenge 2015 竞赛中最强大的解决方案之一。

    Sep, 2015

  • 利用粗糙 GPS 数据量化城市交通系统对极端事件的韧性

    本文介绍了一种使用出租车 GPS 数据定量测量交通系统弹性的方法，通过计算城市各个区域之间的历史速度分布并测量异常事件期间的速度偏差，该方法应用于纽约市近 7 亿辆出租车的数据集，可用于分析与飓风桑迪相关的交通基础设施弹性，该分析表明飓风桑迪影响交通状况超过 5 天，每英里最高时延为 2 分钟，并可潜在地用作在线监测工具。

    Jul, 2015

  • 物流、图形和变形器：改进旅行时间估计

    本文提出基于转换器架构 - TransTTE 的新方法来解决交通运输中旅行时间估计问题。

    Jul, 2022

  • 城市级出行数字孪生在线轨迹预测

    本研究提出了一种基于数字孪生的人类移动预测方法，将粗粒度预测与细粒度预测分为两个阶段，通过自动提取城市范围内的移动趋势和使用概率轨迹检索方法来实现预测。该方法在日本关东地区的真实 GPS 数据集上测试获得了良好的预测准确度和时间效率。

    Jun, 2022

  • DeepTravel：一种基于神经网络的旅行时间估计模型，配有辅助监督

    本文提出一种基于深度神经网络的辅助监督模型 DeepTravel，能够自动提取不同特征并充分利用轨迹数据的时间戳，通过在真实数据集上的全面实验，证明了 DeepTravel 相对于现有方法的卓越性能。

    Feb, 2018

  • 基于道路网络的大规模实时拼车服务和服务保障

    本文介绍了在道路网络上提供实时拼车服务，并保证等待时间和服务时限的大规模实时拼车问题。作者提出了分支限界算法和整数规划算法，并且提出了一种更适应动态请求的动态调度算法，从而在上海出租车数据集上进行实验，并证明了此算法比其他算法响应时间更快。

    Feb, 2013

  • LargeST：用于大规模交通预测的基准数据集

    介绍了一种包含 8600 个传感器的 5 年数据时间覆盖的 LargeST 基准数据集作为解决当前公共数据集限制（规模小、时间段短、缺乏元数据）所面临挑战的一种解决方案，并在其上进行深入数据分析以提取数据洞见和评估效能。

    Jun, 2023

  • 从稀疏轨迹估计行程时间和路径

    该论文针对 IoT 技术下数据采样不足的情况，提出了一种基于 EM 算法的不完全监督模型，通过粗略标记数据，同时解决旅行时间估计和路径恢复问题，实现更高精度的路径推断和更准确的时间预测。

    Jun, 2022

  • 基于空间模式的公交到站时间估计动态模型（机器学习）

    本文提出了一种基于 XGBoost 机器学习算法的公共交通到站时间预测模型，能够利用公交车的位置信息和空间特征预测其到站时间，针对有交叉口和无交叉口两种空间情境下的公交路线进行预测，结果表明该模型比其他模型表现更优，可在以及其他交通基础设施有限的类似城市中推广。

    Oct, 2022

  • 无需道路网络的交通时间估计：一种城市形态布局表示方法

    本文提出了一个基于深度学习的多任务深度神经网络模型 Deep Image to Time (DepthI2T)，利用城市景观照片中的建筑环境信息，实现了旅行时间的准确预测，成为旅行时间估计领域最新的 state-of-the-art 算法之一，该算法适用于多种路径情况，具有重要的智慧城市应用价值。

    Jul, 2019