基于人类动力学的交通数据建模与预测规范.pptx

基于人类动力学的 交通数据建模与预测研究 北京大学 智能计算与感知实验室 2012-9 马萌 内容大纲 2. 研究目标 3. 研究内容 1. 研究背景 4. 创新点与难点 5. 后续工作 1. 研究背景 城市交通拥堵问题日益严重 拥堵导致深层经济以及社会问题 增加交通设施到优化交通体系 智能交通系统成为研究热点 1. 研究背景 基于交通基础设施的智能系统 地感线圈、视频采集、射频检测 导航系统、预测系统、诱导系统 基于用户终端的智能系统 浮动车系统 智行、Waze 1. 研究背景 浮动车系统 实时将位置、时间、速度、方向、标识、状态等传送给交通信息控制中心 覆盖率高、连续性、有效性、便利性 无法获取普通驾驶者信息 无法得知OD（Origin-Destination）数据 智行系统 能获取普通驾驶者信息 调查OD信息 提交交通事件信息 数据量不足，与浮动车系统数据互补 1. 研究背景 主流建模方法 时间序列分析、神经网络、支持向量机、模糊逻辑等 引入人类行为研究的创新建模方法 心理学、社会学、人类学、经济学等 人类动力学 1. 研究背景-人类动力学(1/9) 人类动力学 研究人类个体与群体行为的统计特性，从统计特征定性分析对应的产生机制，以指导社会、生态、经济和技术等外部系统 人类动力学涉及社会学、心理学、经济学、统计学等多门学科的交叉协作 1. 研究背景-人类动力学(2/9) 当对人类特定活动的数据收集能力有限时,泊松过程作为经典的刻画人类活动模式的手段,经常被不加仔细评估地应用于实际问题中 人类行为的时间规律具有高度的非均匀性 (Barabasi AL@Nature’05) 泊松过程：一种累计随机事件发生次数的最基本的独立增量过程。随机事件在不相交时间区间内独立发生，且在充分小的区间内至多只发生一次。 1. 研究背景-人类动力学(3/9) 市场交易活动、网站浏览、电影点播、欣赏网络音乐、手机通讯、虚拟行为、计算机指令的使用行为等，普遍发现有类似的非泊松特性 人类行为时间间隔统计特征有长时间的静默与短期的高发 泊松分布 具有胖尾的幂律分布 泊松过程事件发生时间序列 具有胖尾分布的事件发生时间序列 1. 研究背景-人类动力学(4/9) 通过统计银行帐单传递，发现人类的旅行行程分布存在接近于幂律的胖尾 (Brockmann@Nature’06) 无标度网络（Scale-Free Network）度分布符合幂律分布的复杂网络，节点之间的度数分布具有严重的不均匀性 通过统计移动电话用户的漫游过程，发现具有无标度特性 (Gonzalez@Nature’08) 基于GPS数据的统计结论也得出人类行程分布中存在无标度特性 (Rhee L @IEEE Comp Comm’08) 1. 研究背景-人类动力学(5/9) 幂律特征 说明大部分情况下人们的移动距离有限, 只有少数情况下才会移动较长的距离 局域特征 日常生活只在较小的范围内活动 记忆特征 人类的流动不是完全的随机游走, 而是具有记忆效应, 人们在经过一系列旅行后往往会回到初始地(家或者单位) 可预测性: 可根据模型得到用户出现在某处的概率, 可能会有高达93%的准确性预测个体的去向 (Chaoming Song@Nature’10) 1. 研究背景-人类动力学(6/9) 基于层次性的人类动力学交通模型 将城市按照行政分级 低级城市与邻近高级城市联通 不允许跨低级子区域的运动 以级别随机引入城市权重 1. 研究背景-人类动力学(7/9) 模拟结果 符合幂律分布，大多数行走是在同一区域低级的城市之间完成，但仍会出现爆发性的长距离行走。交通网络的层次性，可能是导致人类的标度性的行程分布的重要原因 1. 研究背景-人类动力学(8/9) 基于记忆和优先级的人类动力学交通模型 视人的运动或旅行的目的是处理来自各个地方的任务，这些任务本身具有重要性的区别 人们依据任务距离的远近和记忆的熟悉程度来确定优先处理哪些任务，那些来自距离较近的任务和较熟悉的地点的任务具有较大的优先权 以随机点的几何距离赋予权重构成选择概率 引入对于权重的遗忘衰减函数 1. 研究背景-人类动力学(9/9) 模拟结果 行程分布为幂律形式 1. 研究背景-浮动车数据处理(1/5) 浮动车数据处理关键技术 1. 研究背景-浮动车数据处理(2/5) 数据过滤 GPS原始数据中存在大量噪声数据，干扰正常数据信息的处理，造成结果的不准确。 定位异常数据、速度异常数据、频率异常数据，经验数据过滤 地图匹配 地图匹配将记录的GPS数据匹配到电子地图数据，得到车辆目前所处路段 基于几何信息、基于权重、基于模糊逻辑、基于模式识别、基于Kalman滤波 OD信息挖掘 从浮动车数据以及智行系统数据中挖掘隐藏的OD信息 手工统