通过海量轨迹数据挖掘卡车编队模式
机器学习
2020-10-13 v1
摘要
卡车编队指一系列卡车通过通信技术近距离行驶，其被视为网联自动驾驶车辆中最具可实施性的系统之一，能带来巨大的节能与安全性提升。合理规划编队并评估卡车编队的潜力，对货运公司与交通主管部门至关重要。本研究提出一系列数据挖掘方法，从海量轨迹中学习自发卡车编队模式。首先开发一种增强的地图匹配算法，利用数字地图数据识别卡车行驶方向，随后采用自适应空间聚类算法检测瞬时共动卡车集合。这些集合进而通过频繁项集挖掘聚合，以计算效率找出全网最大编队时长与规模。我们利用中国辽宁省卡车车队系统采集的真实 GPS 数据评估编队性能，并成功提取时空编队模式。结果显示约 36% 的自发卡车编队可在不改变路线与时刻表的情况下通过调速协调。这些编队卡车的编队距离与时长占比分别为 9.6% 和 9.9%，带来总计 2.8% 的燃料消耗降低。我们还区分了国家高速公路与干线公路的最优编队时段与空间车头时距，并优先排定具有高卡车编队可能性的路段。所得结果可复现，为大规模卡车编队规划与路边基础设施建设提供有用的政策启示与运营策略。
引用
@article{arxiv.2010.05142,
title = {Mining Truck Platooning Patterns Through Massive Trajectory Data},
author = {Xiaolei Ma and Enze Huo and Haiyang Yu and Honghai Li},
journal= {arXiv preprint arXiv:2010.05142},
year = {2020}
}
备注
16 pages