[论文解读] Extended vehicle energy dataset (eVED): an enhanced large-scale dataset for deep learning on vehicle trip energy consumption

Shiliang Zhang, Dyako Fatih+3 more|arXiv (Cornell University)|Mar 16, 2022

Traffic Prediction and Management Techniques被引用 4

一句话总结

本文介绍了扩展版车辆能效数据集（eVED），这是一个大规模、GPS精度高且特征丰富的数据集，通过将原始 VED 数据集中的原始车辆行程记录与外部地理空间属性（如限速、海拔、交叉路口和交通基础设施）结合，利用地图匹配和 API 集成进行增强。利用此增强数据，作者训练了一个基于 LSTM 的深度学习模型，在测试路段上实现了 8.9078 的中位数速度预测均方根误差（RMSE），证明了该数据集在能效建模和隐私保护型交通行为分析方面的实用性。

ABSTRACT

This work presents an extended version of the Vehicle Energy Dataset (VED), which is a openly released large-scale dataset for vehicle energy consumption analysis. Compared with its original version, the extended VED (eVED) dataset is enhanced with accurate vehicle trip GPS coordinates, serving as a basis to associate the VED trip records with external information, e.g., road speed limit and intersections, from accessible map services to accumulate attributes that is essential in analyzing vehicle energy consumption. In particularly, we calibrate all the GPS trace records in the original VED data, upon which we associated the VED data with attributes extracted from the Geographic Information System (QGIS), the Overpass API, the Open Street Map API, and Google Maps API. The associated attributes include 12,609,170 records of road elevation, 12,203,044 of speed limit, 12,281,719 of speed limit with direction (in case the road is bi-directional), 584,551 of intersections, 429,638 of bus stop, 312,196 of crossings, 195,856 of traffic signals, 29,397 of stop signs, 5,848 of turning loops, 4,053 of railway crossings (level crossing), 3,554 of turning circles, and 2,938 of motorway junctions. With the accurate GPS coordinates and enriched features of the vehicle trip record, the obtained eVED dataset can provide a precise and abundant medium to feed a learning engine, especially a deep learning engine that is more demanding on data sufficiency and richness. Moreover, our software work for data calibration and enrichment can be reused to generate further vehicle trip datasets for specific user cases, contributing to deep insights into vehicle behaviors and traffic dynamics analyses. We anticipate that the eVED dataset and our data enrichment software can serve the academic and industrial automotive section as apparatus in developing future technologies.

研究动机与目标

• 解决车辆能效研究中缺乏大规模、公开且标注丰富的数据集的问题。
• 通过校正噪声 GPS 轨迹并整合外部地理空间属性，提高原始车辆能效数据集（VED）的准确性和实用性。
• 通过提供具有精确时空特征、数据丰富且注重隐私的数据集，支持交通研究中的深度学习应用。
• 通过一个仅使用公开信息的深度学习模型，展示 eVED 的实际价值，以估计车辆速度。
• 发布增强后的数据集和开源软件，供未来学术与工业研究中的数据增强与再利用。

提出的方法

• 应用基于隐马尔可夫模型（HMM）的地图匹配方法，校正原始 VED 数据集中噪声 GPS 坐标，将其对齐到最可能的道路路段。
• 使用 QGIS、OpenStreetMap（OSM）、Overpass API 和 Google 地图高程 API 提取超过 1,200 万个地理空间属性，包括限速、海拔、交叉路口和交通基础设施。
• 通过空间查询和地理空间处理，将外部特征（如道路坡度、交通信号灯、停车标志、公交站和人行横道）整合到 VED 记录中。
• 通过模块化软件流水线校准并增强数据集，支持可复现性和针对自定义车辆数据集的再利用。
• 在 7,267 个训练和 951 个测试行程段上训练长短期记忆（LSTM）网络，每个行程段包含 240 个连续的特征记录，以估计中位数车辆速度。
• 将 LSTM 模型配置为包含 5,000 个隐藏单元，8 个输入特征（包括一天中的时间、限速、坡度以及与交通点的距离），并采用 ReLU/tanh 激活函数以实现最佳性能。

实验结果

研究问题

• RQ1 能否通过精确 GPS 和丰富的地理空间属性显著增强大规模车辆能效数据集，以支持深度学习应用？
• RQ2 公开可用的地理空间数据与原始车辆行程记录结合，能否有效增强交通与能效建模的特征集？
• RQ3 仅基于公开可用特征训练的深度学习模型，在不依赖敏感内部车辆数据的情况下，能否准确估计车辆速度？
• RQ4 当仅使用开放且隐私安全的特征训练时，深度学习模型在车辆速度估计上的预测性能如何？
• RQ5 该数据增强流水线是否可复用于为特定研究或工业用例生成定制化数据集？

主要发现

• eVED 数据集包含 12,609,170 条道路海拔记录、12,203,044 条限速记录和 12,281,719 条方向限速记录，显著丰富了原始 VED 数据集。
• 数据集包含 584,551 个交叉路口、429,638 个公交站、195,856 个交通信号灯和 29,397 个停车标志，支持详细的交通行为分析。
• 在 eVED 上训练的 LSTM 模型在测试集上对 4 分钟行程段的中位数车辆速度预测中，实现了 8.9078 的均方根误差（RMSE）。
• 该模型性能表明，仅使用公开可用的地理空间和时间特征即可实现高精度的速度估计，从而最大限度降低隐私风险。
• 用于 GPS 校正和特征增强的软件流水线已开源，可复用于生成具有类似丰富度的定制数据集。
• eVED 数据集支持在能效路线规划、车辆行为建模和交通动力学方面的高级研究，尤其适用于深度学习应用。