KDD 2018 鄭宇組的論文

首先說了這個工作很有意義，並且有資料可以做這個事情，然後定義問題分析難點最後講述自己的解決方案，並且已部署上線。其中預處理部分非常值得學習，違章檢測是基於分佈的思想也值得借鑑。

OUTLINE

• 軌跡資料預處理

• 違章停車檢測

軌跡資料預處理（三個部分）

• Trajectory Data Cleaning

  • which removes the GPS outliers in a trajectory based on the speed and sampling rates;
  • 即通過不正常的速度和停留點檢測清洗 outliers

• Trajectory Map-Matching

  • Adaptive Map-Matching.

    作者採用 interactive-voting based map matching algorithm[37] 的方法（需要看看原文），但不同有

    • 移除了高階的路（就是自行車不能走的路，比如高速，高架等）
    • 省略方向資訊，自行車存在逆行的情況
    • 每個路段的限速不用於調整自行車的速度

  • Geometric-based Refinement.

    • 在上一步Map-Matching中，存在兩個問題
      1. distance error，由於路網不夠詳細（存在很多小路）的原因，導致對映不完整（脫離路網），如圖7b左側
      2. directional error，由於行程短或者軌跡資料清理導致的原因，導致方向錯誤。如圖7b右側，紅色應該對映到藍色路上，因為它們方向一致。
    • 解決方法
      1. 針對問題1，我沒看懂，可能是先計運算元軌跡平均移動距離，大於20米就過濾掉這條資料？
      2. 針對問題2，計算整個軌跡和道路的方向之間的偏差角（如圖8所示），大於60°則移除。

  • Reverse Trajectory Removal ，移除反向軌跡

• Index Construction

  • 因為後面的任務中，大多數是基於路段ID和時間範圍來做的，所以作者對以上處理過後的資料，按照路段ID進行倒排索引，再以時間戳進行二級索引建立。

我的收穫

• 資料預處理是資料探勘中重中之重，我們一定要根據資料的特性及目標任務進行處理，過程中要多思考，最好要去了解相關行業背景

未完
。。。。。。