基于语义的大规模出租车轨迹交互分析方法(SemanticTraj)
简介:
在城市规划、城市运输及城市交通管理等领域,对于车辆轨迹的信息挖掘和知识提取越来越重要。大规模的城市出租车轨迹数据,能够帮助各个领域的专家分析城市交通和城市人群的移动规律。现有的工作大都围绕对地理位置的框选或刷选来完成数据的过滤。
本文介绍了一种基于语义信息对大规模出租车轨迹数据进行交互式的检索、分析的可视化方法。领域专家或者使用者可以通过输入带有语义的查询条件对轨迹数据进行查询检索,并通过系统的可视化界面对轨迹数据进行探索,从而得到有用的信息。系统通过在轨迹数据上建立了两种文本语义索引文件来加速语义查询速率,并设计了多视图的可视化界面来帮助用户分析轨迹数据。最后通过用户的实验验证了系统的可行性。
问题导向:
大规模的出租车数据对城市交通城市规划等领域提供了很多有用的信息。为了挖掘出这些信息,现有的大量工作研究了轨迹信息的可视分析,轨迹信息的存储和轨迹语义的标注。然而这些工作大都是基于对地理位置的刷选来完成对数据的过滤。对于特定的任务,例如一家商场的管理者,希望知道在城市的什么地点放置摆渡车辆,能够帮助人们来商场购物? 交通警察希望知道哪些路段是经常堵车的路段,那些路段交通状况很好? 如果使用原有的系统来回答类似上述的问题,操作就会十分繁琐。而如果可以直接通过语义来查询满足条件的出租车轨迹信息,那么分析的时间就会大大下降了。