[논문 리뷰] An effective Time-Aware Map Matching process for low sampling GPS data

Paolo Cintia, Mirco Nanni|arXiv (Cornell University)|2016. 03. 23.

Data Management and Algorithms참고 문헌 4인용 수 4

한 줄 요약

이 논문은 GPS 샘플링 빈도가 낮은 데이터에 대해 가장 짧거나 빠른 경로 가정에 의존하지 않고, GPS 타임스탬프와순간 속도에서 유도된 도로 구간 통과 시간을 추정함으로써 정확도를 향상시키는 파rameter-free이며 시간 인지적인 매핑 매칭 알고리즘을 제안한다. 실제 데이터셋에서 기존 방법들을 능가하며, 재구성된 이동 시간을 실제 GPS 기반 지속 시간과 더 잘 일치시킨다.

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.).

연구 동기 및 목표

• 운전자가 항상 최단 또는 최신 경로를 취한다고 가정하는 기존 매핑 매칭 방법의 한계를 해결하기 위해, 이는 종종 부정확한 이동 시간 추정을 초래한다.
• GPS 타임스탬프와 속도 추정치에서 시간 정보를 통합함으로써 저샘플링 GPS 궤적에 대한 매핑 매칭 정확도를 향상시키기 위해.
• GPS 오차 모델이나 도로 네트워크 특성에 의존하지 않는 파rameter-free 알고리즘을 개발하기 위해.
• 속도 제한 및 고도 변화와 같은 맵 기반 도로 특징을 포함한 의미적 정보를 보다 신뢰성 있게 보강하기 위해.
• 더 현실적인 경로 재구성으로 더 나은 교통 모니터링 및 도시 이동성 분석을 지원하기 위해.

제안 방법

• GPS 타임스탬프와 순시 속도 측정치를 사용하여 도로 구간 통과 시간을 추정하고, 시간을 매핑 매칭의 주요 차원으로 간주한다.
• 일반적으로 사용되는 최단/최신 경로 히وري스틱을 시간 인지적인 경로 평가로 대체하여 관측된 GPS 이동 시간과 일치하는 경로를 우선시한다.
• 외부 또는 가정된 이동 시간 모델에 의존하지 않고, GPS 데이터 자체에서 직접 이동 시간을 유추하는 데이터 기반 접근법을 적용한다.
• 관측된 GPS 점들과의 시간 일관성을 기반으로 후보 경로를 평가하는 수정된 다익스트라 유사 알고리즘을 적용한다.
• GPS 오차 모델이나 도로 네트워크 특성에 대한 튜닝이 필요 없는 파rameter-free 설계를 채택한다.
• 예상 이동 시간을 실제 GPS 타임스탬프와 비교하여 경로 후보를 검증하고, 시간 편차가 최소인 경로를 선호한다.

실험 결과

연구 질문

• RQ1 GPS 점들 사이의 최단 또는 최신 경로를 가정할 경우 재구성된 이동 시간에 심각한 오류가 발생하는가?
• RQ2 GPS 타임스탬프와 속도 추정치를 효과적으로 활용하여 매핑 매칭에 적합한 실질적인 통과 시간을 유추할 수 있는가?
• RQ3 저샘플링 GPS 데이터에서 시간 인지적인 매핑 매칭 접근법은 최단/최신 경로 히وري스틱에 비해 정확도에서 어떻게 비교되는가?
• RQ4 GPS 오차나 도로 네트워크 구조에 대한 가정 없이도 파rameter-free 알고리즘이 더 높은 성능을 달성할 수 있는가?
• RQ5 시간 인지적인 매핑 매칭은 교통 흐름 추정 및 도시 이동성 분석을 어느 정도 향상시키는가?

주요 결과

• 시간 인지 매핑 매칭 방법은 중간점 테스트에서 전 세계 정확도 0.669를 달성하여, Tang-Zhu-Xiao 알고리즘(0.41)과 Gravity Model + 최신 경로(0.509)와 같은 경쟁자들을 크게 능가했다.
• 재구성된 이동 시간과 실제 이동 시간 간의 괴리가 감소하였으며, 특히 1분 이상 지속되는 여정에서는 최단 경로 방법이 항상 실제 지속 시간을 과소평가하는 경향을 보였다.
• GPS 오차나 도로 네트워크 구조에 대한 가정 없이도 다양한 데이터셋에서 뛰어난 안정성을 보였으며, 파rameter 튜닝이 필요하지 않았다.
• 시간 인지 매칭은 최단 경로 히وري스틱이 보조 도로 사용을 과대평가하고 주요 도로 사용을 과소평가하여 교통 흐름 추정을 왜곡한다는 것을 드러냈다.
• 매핑 매칭된 데이터를 통해 고도로 사용되는 도로 구간을 정확하게 식별함으로써, 고정식 VMP보다 저비용 대안을 제공하는 정확한 교통 모니터링이 가능해졌다.
• OctoPisa 및 샌프란시스코 택시와 같은 실제 데이터셋에 적용했을 때, 더 현실적인 경로 재구성과 실제 교통 데이터와의 높은 상관관계를 보였다.