利用数据可视化和聚类方法对飞行路径进行分类

Oct, 2023

利用数据可视化和聚类方法对飞行路径进行分类

Categorizing Flight Paths using Data Visualization and Clustering Methodologies

Yifan Song, Keyang Yu, Seth Young

TL;DR本文利用美国联邦航空管理局的交通流量管理系统数据集和 DV8，一种近期开发的用于高度交互式可视化航空交通数据的工具，开发了用于按照变化的飞行路径对航空交通进行聚类的算法。展示并比较了两种聚类方法：基于空间的地理距离模型和基于向量的余弦相似度模型，以评估它们的聚类效果。应用示例揭示了基于自动聚类结果确定和人机合作过程的成功实际聚类，其中地理距离算法在飞行路径的巡航阶段表现更好，余弦相似度算法在近航站区域操作（如到达路径）表现更好。应用了一种抽取点的技术来提高计算效率。

Abstract

This work leverages the U.S. Federal Aviation Administration's Traffic Flow Management System dataset and DV8, a recently developed tool for highly interactive visualization of air traffic data, to develop clustering al

air traffic data clustering algorithms geographic distance model cosine similarity model flight paths

发现论文，激发创造

船舶路径识别的空间聚类方法

本论文提出了一种空间聚类方法来标记船舶路径，并使用位置信息。通过整合无监督机器学习技术来增强路径聚类的准确性，以及基于似然的路径建模和分割来进行更详细的分析，研究结果展示了该方法的卓越性能和高效性。该方法旨在为航线规划提供有价值的见解，最终提升海上交通的安全性和效率。

Mar, 2024

轨迹聚类分析调查

本文综述了轨迹聚类的发展，探讨了其在智能系统中的关键作用，归纳了三种聚类方法，分析了其限制因素与未来方向。

Feb, 2018

自组织映射的最小监督拓扑投射用于飞行阶段识别

飞行阶段的识别对通用航空领域非常重要，该研究采用了一种新方法来减少监督的自组织映射 (MS-SOMs) 来进行阶段识别，结果表明该方法只需每类 30 个标记数据点就能达到或超过标签数据全文件的普通自组织映射方法的效果，并且对于飞行阶段数据的类别不平衡具有更强的健壮性。这些结果突出了有效识别飞行阶段所需的数据量很少。

Feb, 2024

基于地形 GPS 记录的聚类动态优化速度预测

使用稀疏 GPS 数据点及其相关的地形和道路设计特征，我们在缺乏交通数据的区域提出了一个解决方案来预测速度。通过创建一个基于地形聚类道路的以时间为导向的速度字典，我们展示了对新的和标准回归方法的定性和定量改进。这个框架为缺失数据交通分析提供了全新的视角。

Feb, 2024

基于 K-Means 和动态时间规整的城市交通模式聚类：案例研究

在这篇论文中，描述了城市交通模式聚类的两个重要应用：第一个应用程序通过使用具有相似交通模式的道路段的速度来给地图块上色以估计缺失的速度值。第二个应用程序是使用不同道路段的相似模式来生成地图上某个当地点的地址所需的基本道路段的估计。本文提出了基于 K-Means 和动态时间规整的时间序列聚类算法。我们提出的算法的案例研究基于 Snapp 应用程序的司机速度时间序列数据。这两个应用程序的结果表明，所提出的方法能够提取相似的城市交通模式。

Sep, 2023

航空观测中的快速机动恢复：轨迹聚类与异常点剔除

使用多智能体仿真实现具有可信行为的道路用户模型的问题尚未解决。数据驱动方法是通过推断在真实情况中可能存在的行为，从大量观察中获取不同类型的轨迹，并使用其分类来训练能够推测这种行为的模型。该研究在考虑车辆和两种不同类型的弱势道路用户的基础上，提出了轨迹聚类方法，并评估了从原始数据中提取明确定义的轨迹类别的方法，同时将 “离奇” 或不完整的轨迹与在任何场景下都具有代表性和完整的轨迹分离开来。然后通过三个不同的交叉口和一个环形交叉口作为测试环境，使用开发的方法进行测试。所得到的轨迹簇可以用于预测或学习任务，或者如果由离群值组成则可以舍弃。

Jul, 2024

基于大数据的空域拥塞预测

提出了一种新的数据管理和预测系统，可准确预测国家空域系统（NAS）特定空域区域内的飞机计数。对美国的大量实际轨迹、天气和空中交通数据进行评估，验证了我们的系统在每个空域部门高效准确地预测飞机计数。

Oct, 2023

预测天空：一种用于航班级乘客流量预测的新模型

借助美国航空公司的大量数据，本研究提出了一种新颖的多模态深度学习方法，以准确预测航班客流量，相较传统模型获得了显著的准确性提升。将循环神经网络（RNN）和卷积神经网络（CNN）相结合，并利用数据的时间和空间关系来增强预测性能，同时运用全面的数据处理策略，如构建三维张量、谨慎的遮掩策略和数据增强技术。研究结果表明，相较于传统基准模型，该方法的均方误差（MSE）约提高了 33%。因此，本研究强调了深度学习技术和细致数据处理在航班客流量预测领域的重要潜力。

Jan, 2024

交通网络的无监督学习拓扑分类

对城市交通系统的建模、优化、仿真和数据分析的研究逐渐增多。本研究采用无监督学习方法，尤其是聚类方法，通过综合评估交通网络的拓扑特征，利用主成分分析和等度映射减少特征之间的相关性，实现交通网络的分类。结果表明，PCA 方法和 K-means 聚类方法最为有效，使交通网络能够被划分为五个簇，并提供了相关分类讨论。

Nov, 2023

利用人工智能发现的街景模式可视化路线

街道级视觉外观、地理可视化界面、语义潜在向量、空间图像模式和驾驶路径规划器是这篇论文的关键词。该论文研究了将街道级视觉外观整合到地理可视化界面（例如地图服务）以规划驾驶路径的新型可视化任务，并提出了多项新的贡献，并通过 VivaRoutes 交互式可视化原型展示了这些发现模式如何帮助用户有效和交互地探索多条路径，并通过用户研究评估了 VivaRoutes 的实用性和效用。

Mar, 2024