[論文レビュー] An effective Time-Aware Map Matching process for low sampling GPS data

Paolo Cintia, Mirco Nanni|arXiv (Cornell University)|Mar 23, 2016

Data Management and Algorithms参考文献 4被引用数 4

ひとこと要約

本論文は、GPSのサンプリングレートが低い状況において、最短経路や最速経路の仮定に依存せず、GPSのタイムスタンプと瞬時の速度から走行時間を推定することで、精度を向上させるパラメータフリーで時間に配慮したマップマッチングアルゴリズムを提案する。実世界のデータセットにおいて、従来手法を上回り、再構築された移動時間と実際のGPSから得られる所要時間の整合性を高めている。

ABSTRACT

In the era of the proliferation of Geo-Spatial Data, induced by the diffusion of GPS devices, the map matching problem still represents an important and valuable challenge. The process of associating a segment of the underlying road network to a GPS point gives us the chance to enrich raw data with the semantic layer provided by the roadmap, with all contextual information associated to it, e.g. the presence of speed limits, attraction points, changes in elevation, etc. Most state-of-art solutions for this classical problem simply look for the shortest or fastest path connecting any pair of consecutive points in a trip. While in some contexts that is reasonable, in this work we argue that the shortest/fastest path assumption can be in general erroneous. Indeed, we show that such approaches can yield travel times that are significantly incoherent with the real ones, and propose a Time-Aware Map matching process that tries to improve the state-of-art by taking into account also such temporal aspect. Our algorithm results to be very efficient, effective on low- sampling data and to outperform existing solutions, as proved by experiments on large datasets of real GPS trajectories. Moreover, our algorithm is parameter-free and does not depend on specific characteristics of the GPS localization error and of the road network (e.g. density of roads, road network topology, etc.).

研究の動機と目的

• ドライバーが常に最短経路または最速経路を取ると仮定する従来のマップマッチング手法の限界に対処し、これによりしばしば不正確な移動時間の推定が生じることを改善すること。
• GPSのタイムスタンプと速度推定値からの時間的情報を組み込むことで、低サンプリングレートのGPSトラジェクトリのマップマッチング精度を向上させること。
• GPSの誤差モデルや道路網のトポロジー、密度などの特性に依存しないパラメータフリーのアルゴリズムを開発すること。
• 速度制限や標高変化などの文脈的な道路特徴をより信頼性高くGPSトラジェクトリに統合できるようにすること。
• より現実的な経路再構築を可能にすることで、交通モニタリングや都市モビリティ分析の質を向上させること。

提案手法

• GPSのタイムスタンプと瞬時の速度測定値を用いて、走行時間の推定を実施し、マップマッチングにおいて時間の次元を第一の要因として扱う。
• 一般的に用いられる最短経路・最速経路のヒューリスティックに代わり、観測されたGPS移動時間と一致する経路を優先する時間に配慮した経路評価を採用する。
• 外部のモデルや仮定された移動時間モデルに依存せず、GPSデータそのものから直接移動時間を推定するデータドリブンなアプローチを採用する。
• 観測されたGPSポイントとの時間的一致性に基づいて候補経路を評価する、変更を加えたダイクストラに類似したアルゴリズムを適用する。
• GPS誤差モデルや道路網特性のチューニングに依存しないパラメータフリーの設計を採用する。
• 推定された移動時間と実際のGPSタイムスタンプを比較することで経路候補を検証し、時間的ずれが最小限の経路を優先する。

実験結果

リサーチクエスチョン

• RQ1 GPSポイント間で最短経路または最速経路を取ると仮定することは、再構築された移動時間に顕著な不正確さをもたらすか？
• RQ2 GPSのタイムスタンプと速度推定値を用いて、マップマッチングに適した現実的な走行時間を効果的に推定できるか？
• RQ3 時間に配慮したマップマッチング手法は、低サンプリングレートのGPSデータにおいて、最短経路・最速経路のヒューリスティックと比較してどの程度精度が向上するか？
• RQ4 パラメータフリーのアルゴリズムは、GPS誤差や道路網構造に関する仮定に依存せずに、より優れた性能を達成できるか？
• RQ5 時間に配慮したマップマッチングは、交通フロー推定や都市モビリティ分析のどの程度の向上をもたらすか？

主な発見

• Time-Awareマップマッチング手法は、ミドルポイントテストで0.669のグローバル精度を達成し、Tang-Zhu-Xiaoアルゴリズム（0.41）やGravity Model + 最速経路（0.509）を著しく上回った。
• 再構築された移動時間と実際の移動時間の乖離を低減し、特に1分以上の移動時間において、最短経路手法が常に実際の所要時間よりも短く推定する傾向を是正した。
• GPS誤差や道路網トポロジーに関する仮定なしに、多様なデータセットに対して安定した性能を示した。
• Time-Awareマッチングにより、最短経路ヒューリスティクスが地方道路の利用を過剰に推定し、主要道路の利用を過小に推定していることが明らかになった。これは、交通フロー推定に歪みをもたらしていた。
• マップマッチングされたデータから高使用率の道路セグメントを特定でき、固定式VMPに代わる低コストな交通モニタリング手法を提供した。
• OctoPisaやサンフランシスコのタクシー実データに適用した結果、より現実的な経路再構築が可能になり、地面真値の交通データとより高い相関を示した。