利用共享单车轨迹的众包感知增强停车巡检
机器学习
2022-01-03 v2 数据库
信息检索
社会与信息网络
摘要
违法车辆停放是世界主要城市面临的常见城市问题,因其引发交通拥堵,进而导致空气污染与交通事故。政府高度依赖主动人力来检测违法停车事件。然而,由于警力须巡遍全市道路,该方法覆盖大城市极为低效。摩拜(Mobike)提供的大量高质量共享单车轨迹为我们设计普适的违法停车检测方法提供了独特机遇,因为多数违法停车事件发生于路边,并对单车用户产生显著影响。检测结果可指导巡检排班,即派遣巡警前往违法停车风险较高的区域,进一步提升巡检效率。受此启发,所提框架包含三个主要组件:1)~{\em 轨迹预处理},过滤异常 GPS 点、执行地图匹配并构建轨迹索引;2)~{\em 违法停车检测},对正常轨迹建模、从评估轨迹提取特征,并利用基于分布检验的方法发现违法停车事件;3)~{\em 巡检排班},以检测结果为参考上下文,将排班任务建模为多智能体强化学习问题以引导巡警。最后,通过大量实验验证了违法停车检测的有效性及巡检效率的提升。
引用
@article{arxiv.2110.15557,
title = {Crowd-sensing Enhanced Parking Patrol using Trajectories of Sharing Bikes},
author = {Tianfu He and Jie Bao and Yexin Li and Hui He and Yu Zheng},
journal= {arXiv preprint arXiv:2110.15557},
year = {2022}
}