【研究总结】基于出租车GPS轨迹数据的相关研究
出租车纯粹研究出现貌似已经过时了,在常规研究的时代结束之前,让我们来回顾和展望一下
一、常规研究
1.一般从出租车的运营特征(车、载客、行程、空载率)和出行空间特征(OD点线)两个方面来研究居民的出行规律
2.数据精度分析、预处理
(1)GPS设备故障
(2)城市森林
(3)司机违规行为
3.因此,地图匹配算法
GPS的出租车轨迹与常用地图的火星坐标系
4.日均出行次数、空载率、出行高峰与低谷、工作日与休息日
5.结合POI进行分析(城市功能区)
二、可视化研究
TrajGraph: A Graph-Based Visual Analytics Approach to Studying Urban Network Centralities Using Taxi Trajectory Data
纽约市出租车数据可视化研究 | Visual Exploration of Big Spatio-Temporal Urban Data:A Study of New York City Taxi Trips 作者:Nivan Ferreira, Jorge Poco, Huy T. Vo, Juliana Freire, and Cl ´ audio T. Silva
Xin Yao, Lun Wu, Di Zhu, Yong Gao, Yu Liu. Visualizing spatial interaction characteristics with direction-based pattern maps. Journal of Visualization. 2019. DOI: 10.1007/s12650-018-00543-4
大规模城市时空数据的可视化探索:以纽约出租车载客记录的研究为例 (Visual Exploration of Big Spatio-Temporal Urban Data: A Study of New York City Taxi Trips)
信睿, 艾廷华, 杨伟, 冯涛. 顾及出租车OD点分布密度的空间Voronoi剖分算法及OD流可视化分析[J]. 地球信息科学学报, 2015, 17(10): 1187-1195.
金澄,陈瑗瑗,杨敏. 面向轨迹起止特征点数据的多比例尺可视化方法[J]. 地球信息科学学报, 2017, 19(8): 1011-1018.
三、另辟蹊径
1.【为司机出谋划策】
Ma S , Zheng Y , Wolfson O . Real-Time City-Scale Taxi Ridesharing[J]. IEEE Transactions on Knowledge and Data Engineering, 2015, 27(7):1782-1795.
Yuan N J , Zheng Y , Zhang L , et al. T-Finder: A Recommender System for Finding Passengers and Vacant Taxis[J]. IEEE Transactions on Knowledge and Data Engineering, 2013, 25(10):2390-2403.
孙飞, 张霞, 唐炉亮, 刘章, 杨雪, 董坤. 基于GPS轨迹大数据的优质客源时空分布研究[J]. 地球信息科学学报, 2015, 17(3): 329-335.
唐炉亮,段倩,阚子涵,李清泉. 出租车交接班行为识别与时空分布研究[J]. 地球信息科学学报, 2017, 19(2): 167-175.
2.【基于出行目的的合作式拼车】
Wang, Y., Kutadinata, R., & Winter, S. (2016). Activity-based ridesharing: Increasing flexibility by time geography. In ACM SIGSPATIAL (p. 1). San Francisco, CA.
Wang, Y., Winter, S., & Ronald, N. (2017). How much is trust: The cost and benefit of ridesharing with friends. Computers, Environment and Urban Systems, 65, 103–112.
Wang, Y., Winter, S., & Tomko, M. (2018). Collaborative activity-based ridesharing. Journal of Transport Geography,[1] Wang, Y., Kutadinata, R., & Winter, S. (2016). Activity-based ridesharing: Increasing flexibility by time geography. In ACM SIGSPATIAL (p. 1). San Francisco, CA
3.【广告牌摆放】
用海量出租车轨迹数据选取广告牌放置位置
Liu D , Weng D , Li Y , et al. SmartAdP: Visual Analytics of Large-scale Taxi Trajectories for Selecting Billboard Locations[J]. IEEE Transactions on Visualization and Computer Graphics, 2016:1-1.
4.【影响出行的其他因素】
康朝贵,刘璇,许欣悦,秦昆. 天气因素对武汉市出租车出行活动的影响[J]. 地球信息科学学报, 2019, 21(1): 118-127.
5.【医疗】
Chen, Y., et al., Mapping the spatial disparities in urban health care services using taxi trajectories data. TRANSACTIONS IN GIS, 2018. 22(2): p. 602-615.
ang, G.; Song, C.; Shu, H.; Zhang, J.; Pei, T.; Zhou, C. Assessing Patient bypass Behavior Using Taxi Trip Origin–Destination (OD) Data. ISPRS Int. J. Geo-Inf. 2016, 5, 157.
Kong, X.; Liu, Y.; Wang, Y.; Tong, D.; Zhang, J. Investigating Public Facility Characteristics from a Spatial Interaction Perspective: A Case Study of Beijing Hospitals Using Taxi Data. ISPRS Int. J. Geo-Inf. 2017, 6, 38.
陈卓然,黄翀,刘高焕,刘庆生,李贺,王蔷,李鑫杨. 基于出租车GPS数据的居民就医时空特征分析[J]. 地球信息科学学报, 2018, 20(8): 1111-1122.
6.【结合其他数据】
基于夜间灯光遥感影像和出租车GPS数据的人口空间化
Yu B , Lian T , Huang Y , et al. Integration of nighttime light remote sensing images and taxi GPS tracking data for population surface enhancement[J]. International Journal of Geographical Information Science, 2018(7):1-20.
7.【新技术应用】
(1)【CPU与GPU加速】
HiSpatialCluster:适用于大数据分析的高性能空间聚类工具
Yiran Chen, Zhou Huang, Tao Pei, Yu Liu. HiSpatialCluster: A novel high‐performance software tool for clustering massive spatial points. Transactions in GIS. 2018, 22(5): 1275–1298.
(2)【深度学习】
a主要是郑宇的城市计算团队
基于AI的路线通行时间估计 / Yilun Wang, Yu Zheng, Yexiang Xue. Travel Time Estimation of a Path using Sparse Trajectories. In Proceedings of the 20th SIGKDD conference on Knowledge Discovery and Data Mining (KDD 2014).
b其他一些arXiv上的文章
A Unified Neural Network Approach for Estimating Travel Time and Distance for a Taxi Trip
Combining time-series and textual data for taxi demand prediction in event areas: a deep learning approach
Artificial Neural Networks Applied to Taxi Destination Prediction
作者:小猿猴GISer
来源:CSDN
原文:https://blog.csdn.net/qq_912917507/article/details/88042948
版权声明:本文为博主原创文章,转载请附上博文链接!
【研究总结】基于出租车GPS轨迹数据的相关研究相关推荐
- 出租车GPS轨迹数据和手机数据的研究价值
出租车GPS轨迹数据和手机数据的研究价值 原文:http://www.zdor.cn/news/html/zx/234027.html 作者:@高松-GISer (加州大学圣塔芭芭拉分校地理系.美国国 ...
- 出租车GPS轨迹、社交软件签到、手机信令数据下载网站整理
出租车GPS轨迹.社交软件签到.手机信令数据下载网站整理 6 GPS轨迹与签到数据 6.1 个人GPS轨迹数据 6.1.1 GeoLife GPS Trajectories 6.1.2 GPS Tra ...
- python编写同步欧氏距离轨迹压缩_基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法.PDF...
基于相对同步欧氏距离筛选的在线GPS轨迹数据压缩算法 第35卷第3期 计算机应用与软件 Vol35No.3 2018年3月 ComputerApplicationsandSoftware Mar.2 ...
- 【地图匹配(ST-matching)】GPS 轨迹数据预处理——T-Driver数据集【持续更新中】
一.数据介绍 1.数据链接 https://download.csdn.net/download/skyman30/87432266?spm=1001.2014.3001.5503https://do ...
- 基于JPEG压缩编码的数据压缩算法的研究与实现(转)
基于JPEG压缩编码的数据压缩算法的研究与实现(转) 编辑器加载中... JPEG压缩方法由于其较高的压缩比和理想的压缩效果,是目前应用最广泛的图像压缩方法.它采用一种特殊的有损压缩算法,将不易被人眼 ...
- 基于MATLAB的多项式数据拟合方法研究-毕业论文
摘要:本论文先介绍了多项式数据拟合的相关背景,以及对整个课题做了一个完整的认识.接下来对拟合模型,多项式数学原理进行了详细的讲解,通过对文献的阅读以及自己的知识积累对原理有了一个系统的认识.介绍多项式 ...
- 出租车GPS轨迹数据分析
本次实验中,我们需要使用python对杭州市出租车轨迹数据进行清洗.在aistudio平台创建项目,搜索杭州市出租车轨迹数据集. •使用numpy.pandas等完成"00.csv" ...
- 基于JPEG压缩编码的数据压缩算法的研究与实现
JPEG压缩方法由于其较高的压缩比和理想的压缩效果,是目前应用最广泛的图像压缩方法.它采用一种特殊的有损压缩算法,将不易被人眼察觉 的图像颜色删除,从而能够将图像压缩在很小的储存空间.JPEG压缩 ...
- 毕业设计-基于深度学习的数据融合方法研究
目录 前言 课题背景和意义 实现技术思路 一.深度学习概述 二.基于深度学习的数据融合方法分类 1.基于深度学习特征提取的数据融合方法 2.基于深度学习融合的数据融合方法 3.基于深度学习全过程的数据 ...
最新文章
- 2022,人工智能开启未来新密码
- c++ map 的基本操作
- Tornado使用mako 模板总结
- SGU 160.Magic Multiplying Machine
- List的五种去重方式
- macbook里软件打不开说是没有权限
- js sdk 一键分享 微信_微信朋友圈分享自己拍的视频,一键开启这个设置,自带文字和音乐...
- 不是我吹!超级全面的权限系统设计方案面世了
- Set GlassFish Java EE Application Server Plugin for Eclipse
- android上传到svn服务器端,上传Android项目到SVN
- 华为ICT大赛2016模拟题
- 在ROS使用usb深度相机跑ORBSLAM3
- ★★★HEU_KMS_Activator_v7.5 (附详细说明文档)
- KGB知识图谱开拓行业应用新展图
- 什么是云桌面?企业为什么要关心云桌面?
- 如何将本地图片转换成链接
- IDEA导入插件依赖后Maven报错:java.lang.RuntimeException: Cannot reconnect.
- Win11设置共享文件的方法
- Visual Studio Code For Markdown Guide
- 请问php中 $_data是啥变量呢