【论文笔记】BusTr，基于实时交通数据的公交旅行时间预测

(知乎:https://zhuanlan.zhihu.com/p/344821161)

BusTr，基于实时交通数据的公交旅行时间预测

BusTr: Predicting Bus Travel Times from Real-Time Traffic

https://dl.acm.org/doi/10.1145/3394486.3403376

KDD’20

1. 概述

本文提出了一个机器学习模型-BusTr，模型基于“实时交通”+“时空上下文”数据，实现对“公交旅行时间”的预测。模型期望通过尽可能易得的数据，以适应不同质量的数据来源，从而可以面向全球尺度提供服务。因此，本文尤其关注模型的泛化能力，并在样本、特征、训练细节等方面做了很多工作。最后，本文通过多组实验论证了方法的有效性和泛化能力，尤其是和SOTA方法DeepTTE做对比。

2. 本文与历史工作的区别

1. 模型重点考虑了”泛化“问题。对于训练数据集中没出现过的城市也要有预测能力。
2. 模型使用了严格的特征集。很多特征都能发挥作用(如公交专用道)，但并不好获取；本文模型可以通过局部和区域特征学习来推断是否存在这些特征。
3. 模型使用大量数据训练。要看全球尺度的表现
4. 模型从实时交通数据做推断。之前的方法通常用实时交通位置来表示交通信息，限制了泛化能力；或使用交通线圈传感器，这又太稀疏了且通常只覆盖了主要道路。

3. 具体方法

3.1 数据(样本)构造

• 在训练阶段，我们首先有高质量数据。但模型要应用于无GTFS-Realtime数据、仅仅有零散的离线观测数据，且这些数据精度、覆盖率、频率等都可能有问题的情况。
• 因此，数据的构造方式参考了文本挖掘，通过一些启发式的约束和规则，在原始轨迹上截取我们需要的样本段，并按照瓦片结构有重叠的做采样，具体规则如下：
  • 不在站点附近打断点。这些地方难以判断是刚到站还是刚离开，这里选择在公交路径上找一个点作为端点。
  • 每个采样片段(瓦片、轨迹段)的最小长度限制在[1,5]km的均匀分布。应为太短的话噪声影响严重，可能过拟合。
  • 同一条轨迹的采样片段的开始时间间隔要>30s。以限制高密度区域的数据冗余。
  • 异常采样片段的处理，包括相邻轨迹点超过语料库限制值(5min或3km)，以及超出平均速度的(0.7~140km/h)
• 不对样本做重采样或插值，因为模型的目标是处理非均匀运动的情况，如长距离站点、红灯、交通拥堵等。
• 数据集按照训练、验证、测试分3组，每组7天
• “道路交通预测”取自GoogleMap，包括每个道路片段。道路片段是指每两个邻接的转弯结点的连接。并且注意离线训练时的交通预测是用当时预测系统给出的数值，而推断的时候用则可依赖于当前时间提供未来预测。

3.2 样本示例

• 分段预测求和，每一段可以是“站点”或“路段”。其中$t_q$表示路段或站点$q$的时长，

• 样本示例，如图1(a)，每个样本组成：

• • A trip interval。一个轨迹段，训练时是采样片段的端点之间的路径；推断时，一般是两个公交站点。
  • A sequence of quanta constituting that interval。整个路径拆分为一个路径段和站点的序列，称为“原子”。如图：蓝Stop、红Seg、黄Seg、绿Seg、白Stop、灰Seg的序列。
  • Traffic speeds and other per-quantum features。每个原子由一个特征向量表示。
  • Full-trip context features。表示整个路径的全局特征。

3.3 特征

3.3.1 全局特征：full-trip上下文特征

1. 公交线路ID， d r d_r d