“苏集创”苏州大学创新成果推介(9)——基于交通路网的车辆轨迹与地图信息处理系统

发布者:柳鑫发布时间:2022-08-30浏览次数:141

“苏集创”是依托苏州大学国家技术转移中心(苏州大学知识产权运营中心),紧密围绕苏州产业创新集群布局,以苏州大学等国内外知名高校、科研院所、技术创新中心的集成创新成果为标的,构建科技、产业、资本深度融合的成果发布平台。


本期向大家推介的是苏州大学计算机科学与技术学院(软件学院)晁平复副教授团队的项目:《基于交通路网的车辆轨迹与地图信息处理系统》


晁平复 副教授

苏州大学计算机科学与技术学院(软件学院)

副教授,硕士生导师


主要研究方向:数据库、数据挖掘与大数据管理技术,具体包括:时空数据管理与数据分析;轨迹数据管理与数据挖掘;分布式数据管理;流数据管理;数据清洗


项目应用产业领域:电子信息、大数据

技术成熟度:研制


成果简介


相关科技成果旨在提供针对车辆、行人及其他交通参与对象所生成的移动轨迹数据进行数据预处理、数据分析与验证的平台。


作为智慧城市建设的核心关注点之一,智慧交通因其对居民生活的显著影响以及广泛的应用前景,近年来广受国家与社会各界的关注。交通的核心元素为城市道路结构与车辆行人的移动轨迹,而智慧交通则通过分析道路变化以及车辆行人的移动行为特点,来实现最优的交通调度、城市交通布局以及各类基于路网的服务优化,例如长途货运监控与调度、专车/出租车叫车服务、外卖送货服务等。除此之外,现今有大量的应用开始利用车辆行人的出行信息来提高现有服务的质量,例如个性化产品推荐、精准广告投放、疫情防控追踪、用户出行指南等等。因此,作为众多智慧交通应用的基础,针对路网数据以及行车轨迹数据的分析与管理是当前大数据领域的重要研究课题,并且同样具有广泛的应用前景。


然而,由于数据采集渠道的先天不确定性,原始采集的路网数据与行车轨迹数据均存在普遍的数据质量问题,因此,良好的路网与轨迹数据预处理一直都是交通数据分析与数据挖掘所依赖的必要前置条件。本科技成果为成果完成人在轨迹数据管理方面多项科研的汇总,通过自主研发的一套开源数据处理系统,旨在完成对原始车辆行人轨迹以及交通路网数据的数据处理与分析验证。其中:


1)针对原始车辆轨迹质量较差且不能反映车辆在路网上真实行驶记录的问题,该系统提供了多种路网匹配算法,为用户在不同需求场景下获取高质量车行记录信息提供了保障,并提供了完整的结果验证与路网轨迹可视化方案;


‍2)针对交通路网地图存在的更新慢、错误多且影响大的问题,该系统提供了多种基于轨迹数据的道路更新算法,为提高道路的质量提供了方案、验证方法与结果可视化;


3)除此之外,该系统针对轨迹数据提供了多项数据处理与分析的工具,包括但不限于轨迹数据压缩、降噪、索引、坐标转换等,为需要利用轨迹数据进行业务增强的企业提供一套完整易用的轨迹数据处理方案。


目前,该科技成果系统已初步开源,且成果完成人从科学研究的角度仍在不断为系统增加新的功能以及分布式方面的扩展,并且从应用角度持续对系统进行开发和完善。总的来说,对于拥有轨迹数据且对数据有处理和应用需求的企业,该系统均能提供便捷易用的数据处理与分析功能,该系统平台也易于与现有的生产系统实现数据对接,达到高效率的数据价值释放。


创新要点


从理论创新角度,本项目基于多项成果完成人在轨迹路网匹配、路网更新等研究方向的前沿研究成果,相关文章均以第一作者身份发表在国际顶级会议期刊上,具有技术创新性。相关研究一方面考虑了真实应用场景中轨迹的质量问题,针对当前路网匹配技术进行改良,从而进一步提升路网匹配的正确性;另一方面,该研究对于分布式环境的扩展,旨在解决实际应用中对路网匹配技术的批处理需求,提升匹配的效率。


从应用创新的角度,本成果填补了市场上对于轨迹数据预处理系统方面的空白,由于其针对多种不同的轨迹需求场景分别提供了先进的轨迹数据处理方案与验证和可视化方法,对于不同企业需求下找寻合适技术提供了便捷的渠道,当前成果正在扩展的分布式解决方案,将进一步解决实际应用中轨迹处理技术的性能瓶颈,为未来该领域科研与产业的发展提供助力。


技术指标


项目中涉及的轨迹与路网数据处理功能,其中包括轨迹路网匹配、交通路网推断与更新等功能,由于其核心算法技术来源于完成人现有的科研工作成果,其效果均能达到当今世界先进水平。例如,在轨迹的路网匹配方面,面对在研究领域常用的公用测试数据集均能达到97%以上的匹配正确率,且算法在与其他国内知名企业的合作中也有应用,针对复杂的路网场景也能实现85%以上的正确率。且项目提供多种算法选择,技术上存在完备性。


由于项目早期的科研属性与技术拓展需求,目前并没有为项目设计用户交互界面,这里仅附一张轨迹数据路网匹配的结果可视化作为项目的可视化成果展示。附图左右为两种路网匹配算法生成的结果,其中红色为车辆生成的原始轨迹,白色为真实的路网结构,左图蓝色和右图绿色为两种算法的路网匹配结果,这里可以看出右侧算法针对这种轨迹系统性偏移的情况具有较好的处理效果。