本發(fā)明屬于軌跡計算技術(shù)領(lǐng)域，具體涉及一種基于低采樣歷史軌跡的行程時間估計方法。

背景技術(shù)：

行程時間估計一直是基于位置服務(wù)的一個重要技術(shù)，不僅在出行導(dǎo)航上有著重要的價值，在軌跡分析與計算中也是不可或缺的技術(shù)。在沒有歷史數(shù)據(jù)的情況下，一種簡單的做法即通過道路長度除以道路最大限速的一定比例以估計路徑的時間；此外，亦可以根據(jù)道路的靜態(tài)屬性，如長度、道路等級、限速、所在區(qū)域等屬性以及聯(lián)合一定的先驗知識，如是否是上下班高峰、是工作日還是雙休日等，通過一定規(guī)則加權(quán)計算每條道路的時間開銷并得出行程的時間估計。隨著移動端GPS設(shè)備的普及，越來越多的用戶都愿意使用基于位置的服務(wù)，于是也可以收集到了越來越多的用戶歷史軌跡。不同于前者，有歷史數(shù)據(jù)情況下，由于路段的擁擠程度、行駛時間等特性是具有一定的規(guī)律性的，因此通過歷史數(shù)據(jù)學(xué)習(xí)規(guī)律，可以從中更準(zhǔn)確地推測出當(dāng)前軌跡所需要的時間開銷。

傳統(tǒng)的基于歷史數(shù)據(jù)的行程時間估計技術(shù)主要分為基于路段與基于路徑兩類：

(1)基于路段的行程時間估計技術(shù)：

基于路段的行程時間估計主要通過歷史數(shù)據(jù)中的速度采樣或通過高采樣率軌跡中相鄰兩點(diǎn)的距離除以相鄰兩點(diǎn)的時間得到速度這類方案來得到每條道路中歷史軌跡點(diǎn)的平均速度，進(jìn)而得到每條道路的時間開銷，最后通過對查詢的路徑中經(jīng)過的路段的時間相加后即可得到結(jié)果。

(2)基于路徑的行程時間估計技術(shù)：

不同于基于路段的行程時間估計技術(shù)，基于路徑的時間估計技術(shù)主要通過將查詢路徑進(jìn)行分解或直接在歷史軌跡數(shù)據(jù)集中查找路徑相同的歷史軌跡，將歷史軌跡所消耗的時間的平均值直接作為估計的結(jié)果。

可以看出，基于路段的行程時間估計技術(shù)在歷史軌跡采樣率高或者具有速度字段采樣的前提下能夠具有很好的效果。當(dāng)歷史數(shù)據(jù)沒有采樣速度值，或者采樣率很低，導(dǎo)致速度估計的誤差很大的情況下，基于路段的得行程時間估計技術(shù)的準(zhǔn)確率將會降低。而基于路徑的行程時間技術(shù)則很好地彌補(bǔ)了基于路段的行程時間估計技術(shù)的缺陷，因為該類技術(shù)直接通過統(tǒng)計歷史數(shù)據(jù)中的同路徑的時間開銷而沒有必要統(tǒng)計路段的速度，因此軌跡采樣率的高低并不會影響該方法，然而該方法有個致命的缺陷，就是對歷史數(shù)據(jù)的要求是需要非常密集的，當(dāng)歷史數(shù)據(jù)不夠多的情況下，會發(fā)生歷史數(shù)據(jù)中找不到與當(dāng)前查詢路徑完全一樣的軌跡，這樣將無法給出結(jié)果。

技術(shù)實現(xiàn)要素：

本發(fā)明針對傳統(tǒng)的兩類行程時間估計技術(shù)的局限性，提出一種基于低采樣歷史軌跡的行程時間估計方法，以克服現(xiàn)有技術(shù)的不足。

本發(fā)明提出的基于低采樣歷史軌跡的行程時間估計方法，具體步驟分為如下三個階段：

(一)預(yù)處理階段，對歷史數(shù)據(jù)進(jìn)行分桶與地圖匹配。具體步驟為：

(1)對歷史軌跡數(shù)據(jù)根據(jù)軌跡第一個采樣點(diǎn)的時間進(jìn)行分桶，將歷史軌跡分派到對應(yīng)的桶中；所述分桶方式包括按照雙休日工作日分桶，每天24小時每1小時分一個桶，共24*2＝48個桶；

(2)對軌跡數(shù)據(jù)使用已有的基于隱馬爾可夫模型的地圖匹配算法，得到行駛路徑。

(二)訓(xùn)練階段，根據(jù)預(yù)處理階段處理好的數(shù)據(jù)訓(xùn)練模型得到道路在不同時間桶的開銷。具體步驟為：

步驟(1)，對每個桶內(nèi)的軌跡構(gòu)建路徑向量。具體流程為：

(a)對桶內(nèi)的每條軌跡tr，創(chuàng)建全零向量h_tr＝(0,0,…,0)，其中向量維度等于路網(wǎng)中路段的數(shù)量；定義對于路段編號r的路段，向量中對應(yīng)的元素記為h_tr[r]；

(b)計算第一個采樣點(diǎn)距離其地圖匹配后匹配的路段終點(diǎn)的距離d_o與路段長度r_o的比值，即設(shè)置

(c)對tr統(tǒng)計最后一個采樣點(diǎn)距離其地圖匹配后匹配的路段起點(diǎn)的距離d_d與路段長度r_d的比值，即設(shè)置

(d)對tr所經(jīng)過的路徑中除了r_o，r_d以外的路段r，設(shè)置h_tr(r)＝1。

步驟(2)，將同一個桶內(nèi)軌跡所構(gòu)建的路徑向量構(gòu)建成歷史軌跡訓(xùn)練矩陣與真實時間開銷向量。具體流程為：

(a)對于每個桶τ內(nèi)的歷史數(shù)據(jù){tr₁，tr₂，...，tr_n}，根據(jù)步驟(1)創(chuàng)建的路徑向量將每個向量轉(zhuǎn)置堆疊得到歷史軌跡訓(xùn)練矩陣，即

(b)對于每個桶τ內(nèi)的歷史數(shù)據(jù){tr₁，tr₂，...，tr_n}，記軌跡tr所經(jīng)過的時間為tr.Δt，構(gòu)建真實時間開銷向量ΔT_τ＝(tr₁.Δt，tr₂·Δt，...，tr_n.Δt)。

步驟(3)，利用每個桶內(nèi)的軌跡求出粗略道路時間開銷向量。具體流程為：

(a)對每個桶內(nèi)的每條歷史軌跡tr，根據(jù)每相鄰兩個采樣點(diǎn)的距離除以兩個采樣點(diǎn)之間的時間間隔得到前一個點(diǎn)的速度估計值，得到每條軌跡的每個點(diǎn)的速度估計值；

(b)對于路網(wǎng)中的每條道路r，將每個桶τ內(nèi)的數(shù)據(jù)中匹配路段為r的軌跡點(diǎn)的速度統(tǒng)計平均值

(c)計算道路r在時間桶τ下的粗略時間開銷其中r.len為道路r的長度；

(d)重復(fù)流程(a)、(b)、(c)，得到每個桶τ下每條道路r的的粗略時間開銷t_rτ；

(e)對每個時間桶τ構(gòu)造其粗略道路時間開銷向量

步驟(4)對每個桶由步驟(2)得到的歷史軌跡訓(xùn)練矩陣與真實時間開銷向量進(jìn)行訓(xùn)練，得到道路時間開銷向量。具體流程為：

(a)對于每個時間桶τ，根據(jù)步驟(2)、(3)得到的歷史軌跡訓(xùn)練矩陣H_τ、真實時間開銷向量ΔT_τ和粗略道路時間開銷向量T_τ；

(b)構(gòu)造目標(biāo)道路時間開銷向量x_τ，向量維度等于路網(wǎng)中路段的數(shù)量；定義對于路段編號r的路段，向量中對應(yīng)的元素記為x_τ[r]，意味著道路r在時間桶τ下的時間開銷，該向量為未知向量，需要通過下面的流程(c)—(f)訓(xùn)練求解；將x_τ初始化為T_τ；

(c)定義最小化目標(biāo)函數(shù)λ₁與λ₂為超參數(shù)，通過驗證集的交叉檢驗方法求得最優(yōu)值；

(d)計算第i個測試樣本的梯度其中，H_τ[i，：]代表矩陣H_τ的第i行；

(e)使用隨機(jī)梯度算法，根據(jù)流程(d)所求得的梯度進(jìn)行訓(xùn)練，直至目標(biāo)函數(shù)的變化小于10^-5；

(f)重復(fù)流程(a)—(e)，得到每個時間桶τ下的道路時間開銷向量x_τ。

(三)在線階段，構(gòu)建路徑向量并估計行程時間。具體步驟為：

(1)對需估計行程時間的軌跡tr，使用已有的基于隱馬爾可夫模型的地圖匹配算法，得到行駛路徑；記tr的第一個采樣點(diǎn)的時間位于桶τ；

(2)創(chuàng)建全零向量h_tr＝(0,0,…,0)，其中向量維度等于路網(wǎng)中路段的數(shù)量；定義對于路段編號r的路段，向量中對應(yīng)的元素記為h_tr[r]；

(3)計算tr中第一個采樣點(diǎn)距離其地圖匹配后匹配的路段終點(diǎn)的距離d_o與路段長度r_o的比值，即設(shè)置

(4)對tr統(tǒng)計最后一個采樣點(diǎn)距離其地圖匹配后匹配的路段起點(diǎn)的距離d_d與路段長度r_d的比值，即設(shè)置

(5)對tr所經(jīng)過的路徑中除了r_o，r_d以外的路段r，設(shè)置h_tr(r)＝1；

(6)根據(jù)訓(xùn)練階段所得到的道路時間開銷向量x_τ，計算所估計的tr的行程時間。

本發(fā)明提出的基于低采樣歷史軌跡的行程時間估計方法，結(jié)合了基于路段的技術(shù)與基于路徑的技術(shù)，通過針對整條軌跡訓(xùn)練每個路段的時間開銷來避免直接對歷史軌跡點(diǎn)進(jìn)行速度估計，同時由于在線估計時間步驟仍是通過對路段時間進(jìn)行相加的方法，因此也不存在基于路徑的時間估計技術(shù)一樣面臨數(shù)據(jù)稀疏的問題。本發(fā)明方法對歷史數(shù)據(jù)采樣率不敏感，能夠在低采樣率數(shù)據(jù)下具有較好的效果。

附圖說明

圖1中空心點(diǎn)以及雙劃線連成的軌跡與實心點(diǎn)以及實線連成的軌跡為工作日10點(diǎn)的桶內(nèi)的用于訓(xùn)練模型的歷史數(shù)據(jù)的兩條樣本。

圖2中空心點(diǎn)以及實線連成的軌跡為所需要估計行程時間的軌跡。與軌跡顏色對應(yīng)的實線條分別為其行駛路徑。

圖3展示了在不同的歷史數(shù)據(jù)采樣間隔下的平均相對誤差。

具體實施方式

下面結(jié)合具體實例來說明本發(fā)明的具體實施過程：

如圖1中的歷史軌跡用于訓(xùn)練，并估計圖2中的行程時間。

1.預(yù)處理階段，對歷史數(shù)據(jù)進(jìn)行分桶與地圖匹配。具體步驟為：

(1)對歷史數(shù)據(jù)進(jìn)行粒度為一小時的分桶，以及針對工作日與非工作日也分桶，即共48個桶，假設(shè)工作日10點(diǎn)的桶內(nèi)有軌跡1與軌跡2兩條數(shù)據(jù)；

(2)對軌跡1軌跡2進(jìn)行地圖匹配，得到對應(yīng)的路徑。

2.訓(xùn)練階段，訓(xùn)練得到路段在10點(diǎn)的桶內(nèi)的時間開銷。具體步驟為：

(1)構(gòu)建軌跡1的路徑向量

(a)初始化

(b)計算第一個采樣點(diǎn)距離其地圖匹配后匹配的路段s₁終點(diǎn)的距離d_o與路段長度r_o的比值，即設(shè)置

(c)計算最后一個采樣點(diǎn)距離其地圖匹配后匹配的路段s₁₇起點(diǎn)的距離d_d與路段長度r_d的比值，即設(shè)置

(d)設(shè)置

(e)得到

(2)同步驟(1)構(gòu)建軌跡2的路徑向量

(3)同步驟(1)構(gòu)建該時間桶內(nèi)其他的軌跡的路徑向量。

(4)將路徑向量堆疊成歷史軌跡訓(xùn)練矩陣，如：

(5)構(gòu)建真實時間開銷向量ΔT＝(tr₁.Δt，tr₂.Δt，...)＝(250，185，...)。

(6)估計粗略時間開銷向量

(a)對桶內(nèi)的每條歷史軌跡tr，根據(jù)每相鄰兩個采樣點(diǎn)的距離除以兩個采樣點(diǎn)之間的時間間隔得到前一個點(diǎn)的速度估計值，得到每條軌跡的每個點(diǎn)的速度估計值；

(b)對道路r₁～r₁₇，將匹配路段為r的軌跡點(diǎn)的速度統(tǒng)計平均值

(c)計算道路r在該時間桶下的粗略時間開銷中r.len為道路r的長度；

(d)構(gòu)造粗略道路時間開銷向量

(7)定義最小化目標(biāo)函數(shù)將x初始化為T。

(8)計算梯度其中H[i，：]代表矩陣H的第i行；隨機(jī)選取H的每一行，進(jìn)行隨機(jī)梯度下降算法直至目標(biāo)函數(shù)變化小于10^-5。

(9)λ₁與λ₂為超參數(shù)，通過驗證集的交叉檢驗方法求得x的最優(yōu)值。

3.在線估計階段。具體步驟為：

(1)對軌跡使用地圖匹配算法，得到行駛路徑；

(2)創(chuàng)建全零向量

(3)同步驟2.(1).(b)，計算設(shè)置h[1]＝0.6；

(4)同步驟2.(1).(c)，計算設(shè)置h[10]＝0.5；

(5)設(shè)置h[5]＝h[9]＝1；

(6)得到h＝(0.6，0，0，0，1，0，0，0，1，0.5，0，0，0，0，0，0，0)；

(7)根據(jù)步驟2(9)得到的x,計算|x^Th|即所估計的行程時間。

下面通過真實數(shù)據(jù)集上的實驗來驗證路徑算法的準(zhǔn)確性，以及在長距離缺失下的有效性。我們使用葡萄牙共78萬條出租車軌跡的數(shù)據(jù)集，通過對原數(shù)據(jù)進(jìn)行人為子采樣后對測試軌跡進(jìn)行時間估計，誤差評測標(biāo)準(zhǔn)為平均相對誤差，即對于每個測試樣本的真實時間間隔Δt⁽ⁱ⁾，算法估計的時間為Δ_E^t(i)，則總評測誤差為我們使用基于路段的時間估計方法進(jìn)行了對標(biāo)，圖3展示了在不同的歷史數(shù)據(jù)采樣間隔下的平均相對誤差，可以看出，本發(fā)明方法對采樣間隔并不敏感，并當(dāng)歷史數(shù)據(jù)采樣率很低的時候效果遠(yuǎn)好于基于路段的時間估計方法。