Einleitung
Die Analyse von Reiseverläufen ist ein wichtiger Aspekt bei der Erforschung von Verkehrsverhalten. Durch die Untersuchung von Bewegungsmustern innerhalb von Verkehrssystemen können tiefere Einblicke in Reiseverhaltensweisen gewonnen, zukünftiges Reiseverhalten vorhergesagt und Reiserouten optimiert werden, um die Reiseerfahrung zu verbessern.
Problemstellung und Limitationen bestehender Methoden
Bestehende Methoden zur Analyse von Reiseverläufen haben zwei wesentliche Limitationen: Erstens können punkt- oder gitterbasierte Clustering-Methoden die kontinuierlichen Sequenzabhängigkeiten und die Richtung in den Bewegungsverläufen nicht effektiv erfassen, was zu ungenauen topologischen Logiken in den extrahierten Pfaden führt. Zweitens haben herkömmliche Mustererkennungsmerkmale wie Geschwindigkeit und Beschleunigung unzureichende Unterscheidungsfähigkeit für subtile Verhaltensunterschiede, wie häufig geparkte Busse und glatt bewegte Privatfahrzeuge, was die Erkennungsgenauigkeit einschränkt.
Neuer Ansatz: Gerichtete-Kanten-basiertes Mining von regulären Routen
Der in diesem Artikel vorgestellte Ansatz basiert auf der Verwendung von gerichteten Kanten als grundlegende Repräsentationseinheit, um die Pfadtopologie und die Bewegungsrichtung zu erhalten. Dieser Ansatz überwindet die Sequenzunterbrechung in punkt- oder gitterbasierten Methoden. Darüber hinaus wird ein neues Merkmal, die Stop-Rate, eingeführt, um subtile Verhaltensmuster zwischen verschiedenen Verkehrsmitteln zu unterscheiden.
Experimentelle Ergebnisse und Bewertung
Die experimentellen Ergebnisse, die auf dem Geolife-Datensatz basieren, zeigen, dass der vorgeschlagene Ansatz die mittlere absolute prozentuale Abweichung (MAPE) um 56%, 49% und 32% im Vergleich zu den Regeln-basierten Methoden, CNN und DBSCAN-Algorithmen reduziert. Dies unterstreicht die verbesserte Genauigkeit des Ansatzes bei der Identifizierung von Reiseverläufen.
Zusammenfassung und Ausblick
Der vorgestellte Ansatz bietet einen wertvollen Beitrag zur Erkennung von Verkehrsmustern und zur Empfehlung von Reiserouten. Durch die Integration von Stop-Rate-Merkmalen und die Verwendung von gerichteten Kanten als Repräsentationseinheit kann der Ansatz subtile Verhaltensunterschiede zwischen verschiedenen Verkehrsmitteln besser erfassen. Dieser Ansatz hat das Potenzial, in dynamischen Verkehrsvorhersagesystemen und personalisierten Reiseroutenempfehlungssystemen eingesetzt zu werden.