《(Blue) Taxi Destination and Trip Time Prediction from Partial Trajectories》2015
20171206 第一次更
一、 简介
文章的作者参加了2015年Kaggle的一项数据竞赛(中文链接1,英文链接2),该竞赛的目的就是根据出租车的载客点(乘客上车的地方)来预测出租车的落地点(乘客的目的地)和旅途时间(一次完整的出租车服务所用的时间),kaggle提供了某城市一年的出租车轨迹数据,作者在该比赛中取得了第三名的成绩,第一名由MILA lab提出的深度学习模型获得,虽然作者并没有取得最好的成绩,但是他所提出的出租车数据的分析方法有一定的研究意义。
二、 作者的方法
1、概述
作者的基本思路是基于一个intuition(直觉):
two trips with similar route likely end at the same or nearby destinations.
Therefore, using the destinations of similar trips in the past we can predict the destination of a test trip.
我对这句话的理解是,相似的轨迹极有可能有着相同的终点,于是我们可以从轨迹的相似性着手,寻找不同轨迹中共通的模式,最终用于预测终点。
2、特征提取
1.Feature Extraction for Destination Prediction
-Final destination coordinates and Haversine distance to 10 nearest neighbors
用于计算一对轨迹A和B的相似性。
-Kernel regression (KR) as a smooth version of k-NN regression method
besides computing KR predictions for the full trip, we also compute them using only the last d meters of the ride during the trip matching step, where d ∈ {100,200, 300, 400, 500, 700, 1000, 1200, 1500}
用KR方法代替K-NN的方法,不仅计算了全轨迹的KR,还计算了部分轨迹的KR,最后发现离终点500-700m之间的轨迹的KR值最重要。
-contextual KR
In our work, we exploit this information by using KR to match a test trip with only trips with the same call id, taxi id, day of the week, hour of the day, or taxi stand id.
这是特征提取的核心,吸取了前面KR特征提取的经验,将一些‘contextual(有前后关系)’的信息结合起来,构建特征,这些信息有call id, taxi id, day of the week, hour of the day, or taxi stand id…
RDP algorithm
用于简化数据,处理数据中存在的一些噪声,详情请细看文章。
added features extracted directly from the partially observed trips
最后又加入了一些能够直接获取的特征:
Driection 、Time gap、Number of GPS updates、Day of the week、The first and the last GPS location
2.Feature Extraction for Trip Time Prediction
由于本人的研究对这部分不是很感兴趣,而且此处省略。
3、预测模型构建
作者经过一番尝试后,果断的选择了RF(Random Forest)模型,理由如下:
Moreover, with a RF model we can easily assess the contribution of each feature on the final prediction. With this insight, we know whether a new set of features is relevant or not every time it is added to the mode
翻译过来就是:
能够直观的估计哪些特征的贡献比较大,因为贡献比较大的特征对结果影响大,所以需要仔细的处理和研究。