TWI749393B - 運輸狀態改變偵測方法及裝置 - Google Patents
運輸狀態改變偵測方法及裝置 Download PDFInfo
- Publication number
- TWI749393B TWI749393B TW108139426A TW108139426A TWI749393B TW I749393 B TWI749393 B TW I749393B TW 108139426 A TW108139426 A TW 108139426A TW 108139426 A TW108139426 A TW 108139426A TW I749393 B TWI749393 B TW I749393B
- Authority
- TW
- Taiwan
- Prior art keywords
- positioning
- positioning data
- data
- category
- principal component
- Prior art date
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本發明提供一種運輸狀態改變偵測方法及裝置。所述方法包括:取得關聯於一第一用戶的多個第一定位資料;對前述第一定位資料執行一前處理,以產生多個第二定位資料;從前述第二定位資料中取出對應於一第一旅次的多個第三定位資料;基於前述第三定位資料產生多個特徵資料,其中各特徵資料屬於多個建模特徵類別之一;針對屬於各建模特徵類別的前述特徵資料建立二分迴歸樹;基於各建模特徵類別對應的二分迴歸樹的一分枝分布情形偵測第一用戶的至少一運輸狀態改變點。
Description
本發明是有關於一種運輸監控機制,且特別是有關於一種運輸狀態改變偵測方法及裝置。
目前蜂巢網路探針(Cellular-based Positioning,CP)資料的應用非常廣泛,例如旅行時間偵測與車流估計等應用。相較其他資料源如全球定位系統(Global Positioning System,GPS)、載具偵測(Vehicle Detector,VD)或電子標籤載具探針(E-tag Vehicle Probe,EVP),CP的優勢在於高覆蓋率與較低的蒐集成本,而劣勢在於較差的定位精度、不穩定的訊號發送頻率,以及難以判斷用戶運輸狀態如行走或是開車等,這些問題都會影響相關應用的準確度。
有鑑於此,本發明提供一種運輸狀態改變偵測方法及裝置,其可用以解決上述技術問題。
本發明提供一種運輸狀態改變偵測方法,包括:取得關聯於一第一用戶的多個第一定位資料;對前述第一定位資料執行一前處理,以產生多個第二定位資料;從前述第二定位資料中取出對應於一第一旅次的多個第三定位資料;基於前述第三定位資料產生多個特徵資料,其中各特徵資料屬於多個建模特徵類別之一;針對屬於各建模特徵類別的前述特徵資料建立二分迴歸樹;基於各建模特徵類別對應的二分迴歸樹的一分枝分布情形偵測第一用戶的至少一運輸狀態改變點。
本發明提供一種運輸狀態改變偵測裝置,包括儲存電路及處理器。儲存電路儲存多個模組。處理器耦接儲存電路,並存取前述模組以執行下列步驟:取得關聯於一第一用戶的多個第一定位資料;對前述第一定位資料執行一前處理,以產生多個第二定位資料;從前述第二定位資料中取出對應於一第一旅次的多個第三定位資料;基於前述第三定位資料產生多個特徵資料,其中各特徵資料屬於多個建模特徵類別之一;針對屬於各建模特徵類別的前述特徵資料建立二分迴歸樹;基於各建模特徵類別對應的二分迴歸樹的一分枝分布情形偵測第一用戶的至少一運輸狀態改變點。
基於上述,本發明可對第一定位資料作資料前處理,再經過特徵工程,將特徵對時間戳記作二分迴歸樹建模得出運輸狀態改變點,最後透過特徵搭配準則判斷出運輸狀態,最後合併相鄰相同運輸狀態的區間。藉此,可取得在用戶的某一旅次中的各個運輸狀態改變點,從而有助於進行後續的運輸狀態監控操作。
為讓本發明的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
請參照圖1,其是依據本發明之一實施例繪示的運輸狀態改變偵測裝置的示意圖。在不同的實施例中,運輸狀態改變偵測裝置100例如是可用於監控用戶的運輸狀態(包括但不限於停留、步行、開車、轉彎等)的監控裝置,但可不限於此。
如圖1所示,運輸狀態改變偵測裝置100可包括儲存電路102及處理器104。在不同的實施例中,儲存電路102例如是任意型式的固定式或可移動式隨機存取記憶體(Random Access Memory,RAM)、唯讀記憶體(Read-Only Memory,ROM)、快閃記憶體(Flash memory)、硬碟或其他類似裝置或這些裝置的組合,而可用以記錄多個程式碼或模組。
處理器104耦接於儲存電路102,並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器(microprocessor)、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用集成電路(Application Specific Integrated Circuit,ASIC)、場可程式閘陣列電路(Field Programmable Gate Array,FPGA)、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器(Advanced RISC Machine,ARM)的處理器以及類似品。
在本發明的實施例中,處理器104可存取儲存電路102中記錄的模組、程式碼來實現本發明提出的運輸狀態改變偵測方法,其細節詳述如下。
請參照圖2,其是依據本發明之一實施例繪示的運輸狀態改變偵測方法流程圖。本實施例的方法可由圖1的運輸狀態改變偵測裝置100執行,以下即搭配圖1所示的元件說明圖2各步驟的細節。
首先,在步驟S210中,處理器104可取得關聯於第一用戶的多個第一定位資料。在本發明的實施例中,所述第一用戶例如是運輸狀態改變偵測裝置100所關注/考慮的任一用戶,而本發明的運輸狀態改變偵測裝置100可針對任何用戶執行圖2的方法,但可不限於此。
在一實施例中,上述第一定位資料例如是關聯於第一用戶的CP定位資料。舉例而言,第一用戶可持有一通訊裝置(例如智慧型手機等),而此通訊裝置附近的基地台可依相關的通訊協定/標準對此通訊裝置進行例如三角定位等機制,以取得此通訊裝置的CP定位資料,而各個CP定位資料可具有對應的一定位點及原始定位時間點(即基地台完成定位時的時間點)。相應地,本發明的運輸狀態改變偵測裝置100可向上述各基地台取得與通訊裝置相關的各個CP定位資料,以作為上述第一定位資料,但本發明可不限於此。
之後,在步驟S220中,處理器104可對前述第一定位資料執行前處理,以產生多個第二定位資料。在本發明的實施例中,前述前處理例如可包括第一定位資料的定位時間點校正及合併,具體說明如下。
在一實施例中,由於基地台需耗費一小段時間(下稱定位耗時)方能完成對上述通訊裝置的定位,因此各第一定位資料的原始定位時間點可能出現不準確的情形。在此情況下,處理器104可先將各第一定位資料的原始定位時間點校正為校正後定位時間點。
在一實施例中,處理器104可先取得各第一定位資料對應的定位耗時,再基於此定位耗時將各第一定位資料的原始定位時間點校正為校正後定位時間點。舉例而言,處理器104可將各第一定位資料的原始定位時間點加上對應的定位耗時的一半,以作為對應的校正後定位時間點。在其他實施例中,處理器104亦可基於其他的原則來校正各第一定位資料的原始定位時間點,甚或是不進行校正,但本發明可不限於此。
在取得各第一定位資料的校正後時間點之後,處理器104可將前述第一定位資料中的多個第一參考定位資料合併為第一代表定位資料,其中各第一參考定位資料對應於相同的校正後定位時間點。亦即,處理器104可從第一定位資料中找出具有相同的校正後定位時間點的一部分定位資料(即,前述第一參考定位資料),並基於一定的原則將此部分的定位資料合併為一筆新的第一定位資料(即,前述第一代表定位資料)。
舉例而言,若處理器104判定前述第一參考定位資料皆對應於一第一基地台,則處理器104可將前述第一參考定位資料對應的多個經緯度資料取平均,以產生所述第一代表定位資料。亦即,若對應於相同校正後定位時間點的一部分定位資料皆是由第一基地台對上述通訊裝置進行定位而得,則處理器104可將這些定位資料對應的多個定位點的地理位置取平均,以產生第一代表定位資料。在此情況下,第一代表定位資料的定位點可視為是前述第一參考定位資料的定位點的平均位置,而第一代表定位資料的(校正後)定位時間點將與上述第一參考定位資料相同,但本發明可不限於此。
舉另一例而言,若處理器104判定前述第一參考定位資料對應於多個基地台,則處理器104可從這些基地台中取出對應於最多第一參考定位資料的第二基地台,並將對應於第二基地台的第一參考定位資料的經緯度資料取平均,以產生第一代表定位資料。從另一觀點而言,此處技術手段亦可理解為將第二基地台以外的基地台所提供的第一定位資料皆忽略,而僅基於第二基地台所提供的第一定位資料來產生第一代表定位資料,相關說明可參照前一例中基於第一基地台所提供的第一定位資料來產生第一代表定位資料的說明,於此不另贅述。
在將前述第一定位資料中的第一參考定位資料合併為第一代表定位資料之後,處理器104可將前述第一定位資料(其包括第一代表定位資料)中持續位於第一定位點的多個第二參考定位資料合併為一第二代表定位資料,以形成前述第二定位資料。在一實施例中,前述第二定位資料可理解為經前處理後的第一定位資料。
並且,處理器104可並記錄前述第二參考定位資料位於第一定位點的一起訖時間及一持續時間。亦即,若第一定位資料中有連續的一部分定位資料(即,前述第二參考定位資料)皆對應於某一定位點,則處理器104可將此部分的定位資料合併為一筆新的第一定位資料(即,第二代表定位資料)。並且,處理器104可將第二參考定位資料中對應於最早及最晚定位時間點的二者取出,並分別以此二者的定位時間點作為上述起訖時間,而此二者的定位時間點之間的時間差則可作為上述持續時間,但本發明可不限於此。
在將前述第一定位資料中的第二參考定位資料合併為第二代表定位資料,以形成前述第二定位資料之後,處理器104可將前述第二定位資料(其包括第一代表定位資料及/或第二代表定位資料)區分為多個旅次,其中第一旅次為前述旅次之一。
在一實施例中,各旅次中的第二定位資料對應的定位存續時間超過時間門檻值。簡言之,若有一部分的第二定位資料整體的存續時間超過前述時間門檻值,則處理器104可將此部分的第二定位資料整合為對應一個旅次。此外,在其他實施例中,各旅次的定位間隔時間超過另一時間門檻值。簡言之,若有一部分的第二定位資料的定位時間點與另一部分的第二定位資料的定位時間點相差超過上述另一時間門檻值,則處理器104可將此二部分的第二定位資料個別整理為一個旅次,但本發明可不限於此。
在本發明的實施例中,處理器104可針對第一用戶的各個旅次進行運輸狀態改變的相關偵測。為便於理解本發明的概念,以下將僅基於上述旅次的其中之一(下稱第一旅次)進行說明,但其並非用於限定本發明可能的實施方式。
具體而言,在步驟S230中,處理器104可從前述第二定位資料中取出對應於第一旅次的多個第三定位資料。在本實施例中,前述第三定位資料可理解為第二定位資料中對應於第一旅次的一部分。
之後,在步驟S240中,處理器104可基於前述第三定位資料產生多個特徵資料,其中各特徵資料屬於多個建模特徵類別之一。在本發明的實施例中,所考慮的建模特徵類別例如包括以下四個則別:主成分向量類別、速度類別、行徑軌跡彎折角度類別及存續時間向量類別,但本發明可不限於此。在此情況下,步驟S240可理解為基於前述第三定位資料產生四組特徵資料,而所述四組特徵資料可個別對應於上述四個類別,但本發明可不限於此。以下將針對產生屬於各類別的特徵資料的技術手段進行說明。
在第一實施例中,假設處理器104係基於前述第三定位資料產生屬於主成分向量類別的特徵資料。為便於理解第一實施例的細節,以下另輔以圖3作例示性說明。
請參照圖3,其是依據本發明第一實施例繪示的產生屬於主成分向量類別的特徵資料的示意圖。在本實施例中,在處理器104取得對應於第一旅次的第三定位資料之後,可相應地取得各第三定位資料對應的定位點。
在圖3中,假設上述第三定位資料係對應於定位點311、312、…、31N,則處理器104可據以產生第一用戶在第一旅次中的行徑軌跡310。在第一實施例中,行徑軌跡310例如是依據前述第三定位資料的時間順序將定位點311~31N兩兩連接而形成的曲折軌跡。以圖3為例,假設定位點312的定位時間點係次於定位點311的定位時間點,則處理器104可以一箭號連接定位點311及312,而此箭號的起點為(較早的)定位點311,終點則為(較晚的)定位點312,但本發明可不限於此。基於此處教示,本領域具通常知識者應可相應推得圖3中位於任二定位點之間的箭號之意義及產生方式,於此不另贅述。
之後,處理器104可對前述第三定位資料的定位點311~31N進行一主成分分析,以將前述第三定位資料的定位點311~31N投影至第一主成分320,以在第一主成分320上形成多個投影點321、322、…、32N。接著,處理器104可取得各第三定位資料在行徑軌跡310中的時間順序,並據以取得投影點321~32N兩兩之間的一差分成份,以取得行徑軌跡310的多個主成分向量332~33N。
以對應於定位點311及312的投影點321及322為例,由於定位點312的定位時間點係次於定位點311的定位時間點,故處理器104可以(較晚的)投影點322減去(較早的)投影點321以取得投影點321及322之間的差分成份,並以此差分成份作為主成分向量332。如圖3所示,主成分向量332可表徵為起始於投影點321並終止於投影點322的一箭號。並且,基於此處教示,本領域具通常知識者應可相應推得圖3中位於任二投影點之間的箭號之意義及產生方式,於此不另贅述。
在取得圖3中的各主成分向量(例如主成分向量332及33N)之後,處理器104可依據各主成分向量的正負值將前述主成分向量映射為屬於主成分向量類別的前述特徵資料。舉例而言,在第一實施例中,若前述主成分向量中的一者為正值,則處理器104可將前述主成分向量中的該者映射為一第一布林值,以作為前述特徵資料之一。另一方面,若前述主成分向量中的該者為負值,則處理器104可將前述主成分向量中的該者映射為一第二布林值,以作為前述特徵資料之一。在第一實施例中,若某主成分向量被映射為第一布林值,則其所反映的實際狀況可理解為第一用戶係順向前進。相反地,若某主成分向量被映射為第二布林值,則其所反映的實際狀況可理解為第一用戶係逆向前進,但本發明可不限於此。
在圖3中,上述第一、第二布林值分別例如是1及-1,但本發明可不限於此。以主成分向量332為例,由於其為一正值,則處理器104可將主成分向量332映射為第一布林值(即1),而此第一布林值即為對應於主成分向量332的特徵資料342,並可如圖3所示的方式來表示。再以主成分向量33N為例,由於其為一正值,則處理器104可將主成分向量33N映射為第一布林值(即1),而此第一布林值即為對應於主成分向量332的特徵資料342,並可如圖3所示的方式來表示。
基於以上教示,本領域具通常知識者應可相應推得其餘主成分向量被映射為第一/第二布林值的原則,並可理解對應的特徵資料的表徵方式,從而取得屬於主成分向量類別的多個特徵資料(例如特徵資料342及34N)。
在第二實施例中,假設處理器104係基於前述第三定位資料產生屬於速度類別的特徵資料。為便於理解第二實施例的概念,以下仍輔以圖3進行說明。
在第二實施例中,在處理器104取得投影點321~32N之後,可另取得投影點321~32N兩兩之間的一間隔時間,並將各主成分向量除以對應的間隔時間,以取得各主成分向量對應的參考速度。以投影點321及322為例,處理器104可取得投影點321及322之間的間隔時間(例如是定位點311與312的定位時間點之間的時間差),並以介於投影點321及322之間的主成分向量332除以此間隔時間,從而得到主成分向量332對應的參考速度。基於此處教示,本領域具通常知識者應可相應推得圖3中其餘主成分向量對應的參考速度,於此不另贅述。
之後,處理器104可以各主成分向量對應的參考速度作為屬於速度類別的特徵資料。在第二實施例中,處理器104可依據前述主成分向量的時間順序排序各主成分向量對應的參考速度,以形成屬於速度類別的特徵資料,但本發明可不限於此。
在第三實施例中,假設處理器104係基於前述第三定位資料產生屬於行徑軌跡彎折角度類別的特徵資料。為便於理解第三實施例的概念,以下另輔以圖4進行說明。
請參照圖4,其是依據本發明之第三實施例繪示的行徑軌跡示意圖。在圖4中,處理器104可取得第三定位資料對應的定位點311~31N,並據以產生第一用戶在第一旅次中的行徑軌跡310。在本實施例中,定位點311~31N及行徑軌跡310的細節可參照圖3的相關說明,於此不另贅述。
由圖4可看出,行徑軌跡310可包括多個彎折處412、413、…、41N。在此情況下,處理器104可估計各彎折處412~41N對應的彎折角度,並據以作為屬於行徑軌跡彎折角度類別的特徵資料。以彎折處412及41N為例,其分別可對應於彎折角度A2及AN,而彎折角度A2及AN即可作為行徑軌跡彎折角度類別中的其中二筆特徵資料。基於此處教示,本領域具通常知識者應可相應推得圖4中其餘彎折處對應的彎折角度,於此不另贅述。
在第三實施例中,處理器104可依據定位點311~31N的時間順序排序各彎折處412~41N對應的彎折角度,以形成屬於行徑軌跡彎折角度類別的特徵資料,但本發明可不限於此。
在第四實施例中,假設處理器104係基於前述第三定位資料產生屬於存續時間向量類別的特徵資料。舉例而言,處理器104可基於前述第三定位資料產生第一用戶在第一旅次中的行徑軌跡,其中行徑軌跡包括多個定位資料組,各定位資料組包括連續對應於同一定位點的多個特定定位資料。之後,處理器104可基於各定位資料組的前述特定定位資料估計各定位資料組對應的存續時間向量,並據以作為屬於存續時間向量類別的特徵資料。
舉例而言,假設有連續的一部分第三定位資料在某段時間內皆對應於某定位點,則此部分的第三定位資料即可稱為上述特定定位資料,並可組成一定位資料組。之後,處理器104可將此段時間作為此定位資料組對應的存續時間向量,並將其作為存續時間向量類別的一筆特徵資料,但本發明可不限於此。
在基於第一至第四實施例的教示而產生屬於各建模特徵類別中的特徵資料之後,在步驟S250中,處理器104可針對屬於各建模特徵類別的特徵資料建立二分迴歸樹。在本發明的實施例中,由於共考慮四個建模特徵類別,故處理器104共可產生四棵二分迴歸樹,其個別對應於上述建模特徵類別之一。
再以圖3為例,處理器104可基於圖3中屬於主成分向量類別的特徵資料342~34N而建立對應於主成分向量類別的二分迴歸樹。具體而言,處理器104可依據主成分向量類別的特徵資料342~34N與對應的多個時間戳記初始地建立主成分向量類別對應的二分迴歸樹,而此技術手段的細節可參照相關的習知技術,於此不另贅述。
之後,處理器104可估計主成分向量類別對應的二分迴歸樹的不純度,而此技術手段的細節同樣可參照相關的習知技術,於此不另贅述。
在一實施例中,反應於判定此二分迴歸樹的不純度不高於一不純度門檻值,則處理器104可判定主成分向量類別的該二分迴歸樹已完成。在不同的實施例中,上述不純度門檻值可由設計者依需求/經驗而定,但可不限於此。
在另一實施例中,反應於判定主成分向量類別的二分迴歸樹的不純度高於上述不純度門檻值,處理器104可將二分迴歸樹區分為多個第一分枝,並計算各第一分枝的不純度。接著,反應於判定各第一分枝的不純度皆低於不純度門檻值,判定主成分向量類別的二分迴歸樹已完成。
另一方面,反應於判定前述第一分枝之一者的不純度不高於不純度門檻值,則處理器104可將前述第一分枝之該者區分為多個第二分枝,並計算各第二分枝的不純度。反應於判定各第二分枝的不純度皆低於不純度門檻值,處理器104可判定主成分向量類別的二分迴歸樹已完成。
簡言之,在初始地建立主成分向量類別的二分迴歸樹之後,處理器104可依據所估計的不純度而決定是否將二分迴歸樹進一步區分為多個分枝。並且,處理器104可再針對各分枝估計不純度,並視情況決定是否繼續進行分枝。當各分枝的不純度皆低於不純度門檻值時,處理器104方判定主成分向量類別的二分迴歸樹已建立完成,但本發明可不限於此。
基於以上教示,本領域具通常知識者應可相應推得處理器104建立其他建模特徵類別對應的二分迴歸樹的方式,於此不另贅述。
在完成建立各建模特徵類別的二分迴歸樹之後,在步驟S260中,處理器104可基於各建模特徵類別對應的二分迴歸樹的分枝分布情形偵測第一用戶的運輸狀態改變點。具體而言,在一實施例中,處理器104可取得各建模特徵類別對應的二分迴歸樹的多個分枝。之後,處理器104可將各建模特徵類別對應的二分迴歸樹的前述分枝取一聯集。
在一實施例中,反應於前述分枝的其中之二者之間的一間隔時間小於一時間門檻值,將所述二者合併。亦即,若在上述聯集中有兩個分枝之間的間隔時間較小,則處理器104可將此二分枝合併為一個分枝。換言之,在對上述聯集執行上述合併操作之後,聯集中剩餘的分枝之間的間隔時間皆大於上述時間門檻值,但本發明可不限於此。
之後,處理器104可將各分枝定義為對應於至少一運輸狀態改變點的其中之一。亦即,在完成分枝合併操作的上述聯集中,各分枝可視為對應於一個運輸狀態改變點。亦即,處理器104即可基於聯集中剩餘的分枝來得知在第一旅次中存在哪些運輸狀態改變點,例如步行、開車、停留、轉彎等,但不限於此。
再以圖3為例,由其中可看出有一部分連續的特徵資料因具有較高的順逆向亂度而可能導致在對應的二元迴歸樹中形成一個分枝。在此情況下,處理器104即可相應得知所述部分連續特徵資料係對應於一個運輸狀態改變點。
此外,在取得第一旅次中的一或多個運輸狀態改變點之後,本發明還可進一步依據所提出的基於準則(rule-based)機制而進一步判定各運輸狀態改變點具體對應何種運輸狀態。舉例而言,處理器104可透過設定對多特徵設定經驗門檻來判斷,包含由主成分分析的第一主成分延伸的特徵,如第一主成分全距、由第一主成分全距除以耗時的平均速度、第二主成分方向的變異數與第一主成分方向的變異數的比值、第一主成分作差分而得的順逆向及其亂度等,加上相同定位點的存續時間,以及行徑軌跡彎折角度的統計量,如中位數和四分位距等,對以上特徵依據實行場域特性設定準則來判斷區間的運輸狀態,但本發明可不限於此。
綜上所述,本發明透過創新的特徵資料萃取方式取得屬於不同建模特徵類別的特徵資料,並據以偵測各用戶不同運輸狀態的改變時間點,從而將不同運輸狀態的時間區間切分出來並判斷其運輸狀態,例如切分並判斷出停留、步行、開車或是轉彎等運輸狀態的時間區間。
上述特徵資料萃取方式包括對經緯度定位點作主成分分析降維後得主成分定位點,據此作的主成分行徑方向向量,此作法可以達到降噪的效果,再加上使用兩種經試驗會影響行為偵測的特徵,將三個具時間特性的特徵對時間所形成的比例變項作機器學習模型,切分出可能的運輸狀態改變點,並將切割出的時間區間依據多特徵搭配準則標註出運輸狀態。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
100:運輸狀態改變偵測裝置
102:儲存電路
104:處理器
310:行徑軌跡
311、312、…、31N:定位點
320:第一主成分
321、322、…、32N:投影點
332~33N:主成分向量
342、34N:特徵資料
412、413、…、41N:彎折處
A2、AN:彎折角度
S210~S260:步驟
圖1是依據本發明之一實施例繪示的運輸狀態改變偵測裝置的示意圖。
圖2是依據本發明之一實施例繪示的運輸狀態改變偵測方法流程圖。
圖3是依據本發明第一實施例繪示的產生屬於主成分向量類別的特徵資料的示意圖。
圖4是依據本發明之第三實施例繪示的行徑軌跡示意圖。
S210~S260:步驟
Claims (15)
- 一種運輸狀態改變偵測方法,包括:取得關聯於一第一用戶的多個第一定位資料;對該些第一定位資料執行一前處理,以產生多個第二定位資料;從該些第二定位資料中取出對應於一第一旅次的多個第三定位資料;基於該些第三定位資料產生多個特徵資料,其中各該特徵資料屬於多個建模特徵類別之一;針對屬於各該建模特徵類別的該些特徵資料建立二分迴歸樹;基於各該建模特徵類別對應的該二分迴歸樹的一分枝分布情形偵測該第一用戶的至少一運輸狀態改變點,其中對該些第一定位資料執行該前處理,以產生該些第二定位資料的步驟包括:將各該第一定位資料的一原始定位時間點校正為一校正後定位時間點;將該些第一定位資料中的多個第一參考定位資料合併為一第一代表定位資料,其中各該第一參考定位資料對應於相同的該校正後定位時間點;依據該些第一定位資料形成該些第二定位資料。
- 如申請專利範圍第1項所述的方法,其中該些第一定位資料為來自多個基地台的多個蜂巢網路探針定位資料,且對該些第一定位資料執行該前處理,以產生該些第二定位資料的步驟更包括:將該些第一定位資料中持續位於一第一定位點的多個第二參考定位資料合併為一第二代表定位資料,以形成該些第二定位資料,並記錄該些第二參考定位資料位於該第一定位點的一起訖時間及一持續時間。
- 如申請專利範圍第2項所述的方法,其中將各該第一定位資料的該原始定位時間點校正為該校正後定位時間點的步驟包括:取得各該第一定位資料對應的一定位耗時;基於該定位耗時將各該第一定位資料的該原始定位時間點校正為該校正後定位時間點。
- 如申請專利範圍第2項所述的方法,其中將該些第一定位資料中的該些第一參考定位資料合併為該第一代表定位資料的步驟包括:反應於判定該些第一參考定位資料皆對應於一第一基地台,將該些第一參考定位資料對應的多個經緯度資料取平均,以產生該第一代表定位資料;反應於判定該些第一參考定位資料對應於多個基地台,從該些基地台中取出對應於最多第一參考定位資料的一第二基地台,並 將對應於該第二基地台的該些第一參考定位資料的該些經緯度資料取平均,以產生該第一代表定位資料。
- 如申請專利範圍第2項所述的方法,其中該些第二定位資料被區分為多個旅次,其中該第一旅次為該些旅次之一,且各該旅次中的該些第二定位資料對應的一定位存續時間超過一時間門檻值。
- 如申請專利範圍第1項所述的方法,其中該些建模特徵類別包括一行徑軌跡彎折角度類別,且基於該些第三定位資料產生該些特徵資料的步驟包括:取得各該第三定位資料對應的該定位點,並據以產生該第一用戶在該第一旅次中的一行徑軌跡,其中該行徑軌跡包括多個彎折處;估計各該彎折處對應的一彎折角度,並據以作為屬於該行徑軌跡彎折角度類別的該些特徵資料。
- 如申請專利範圍第1項所述的方法,其中該些建模特徵類別包括一存續時間向量類別,且基於該些第三定位資料產生該些特徵資料的步驟包括:取得各該第三定位資料對應的該定位點,並據以產生該第一用戶在該第一旅次中的一行徑軌跡,其中該行徑軌跡包括多個定位資料組,各該定位資料組包括連續對應於同一定位點的多個特定定位資料; 基於各該定位資料組的該些特定定位資料估計各該定位資料組對應的一存續時間向量,並據以作為屬於該存續時間向量類別的該些特徵資料。
- 如申請專利範圍第1項所述的方法,其中該些建模特徵類別包括一主成分向量類別,且基於該些第三定位資料產生該些特徵資料的步驟包括:取得各該第三定位資料對應的該定位點,並據以產生該第一用戶在該第一旅次中的一行徑軌跡;對各該第三定位資料的該定位點進行一主成分分析,以將各該第三定位資料的該定位點投影至一第一主成分,以在該第一主成分上形成多個投影點;取得各該第三定位資料在該行徑軌跡中的一時間順序,並據以取得該些投影點兩兩之間的一階差分成份,以取得該行徑軌跡的多個主成分向量;依據各該主成分向量的正負值將該些主成分向量映射為屬於該主成分向量類別的該些特徵資料。
- 如申請專利範圍第8項所述的方法,其中依據各該主成分向量的正負值將該些主成分向量映射為屬於該主成分向量類別的該些特徵資料的步驟包括:若該些主成分向量中的一者為正值,將該些主成分向量中的該者映射為一第一布林值,以作為該些特徵資料之一; 若該些主成分向量中的該者為負值,將該些主成分向量中的該者映射為一第二布林值,以作為該些特徵資料之一。
- 如申請專利範圍第8項所述的方法,其中該些建模特徵類別更包括一速度類別,且所述方法更包括:取得該些投影點兩兩之間的一間隔時間,並將各該主成分向量除以對應的該間隔時間,以取得各該主成分向量對應的一參考速度;以各該主成分向量對應的該參考速度作為屬於該速度類別的該些特徵資料。
- 如申請專利範圍第1項所述的方法,其中該些建模特徵類別包括一第一類別,且針對屬於各該建模特徵類別的該些特徵資料建立該二分迴歸樹的步驟包括:依據該第一類別的該些特徵資料與對應的多個時間戳記初始地建立該第一類別對應的該二分迴歸樹;估計該第一類別對應的該二分迴歸樹的不純度;反應於判定該第一類別的該二分迴歸樹的該不純度高於一不純度門檻值,將該二分迴歸樹區分為多個第一分枝,並計算各該第一分枝的不純度;反應於判定各該第一分枝的該不純度皆低於該不純度門檻值,判定該第一類別的該二分迴歸樹已完成。
- 如申請專利範圍第11項所述的方法,其中反應於判定該二分迴歸樹的該不純度不高於該不純度門檻值,所述方法更包括判定該第一類別的該二分迴歸樹已完成。
- 如申請專利範圍第11項所述的方法,其中反應於判定該些第一分枝之一者的該不純度不高於該不純度門檻值,所述方法更包括:將該些第一分枝之該者區分為多個第二分枝,並計算各該第二分枝的不純度;反應於判定各該第二分枝的該不純度皆低於該不純度門檻值,判定該第一類別的該二分迴歸樹已完成。
- 如申請專利範圍第1項所述的方法,其中基於各該建模特徵類別對應的該二分迴歸樹的該分枝分布情形判定該第一用戶的該至少一運輸狀態改變點的步驟包括:取得各該建模特徵類別對應的該二分迴歸樹的多個分枝;將各該建模特徵類別對應的該二分迴歸樹的該些分枝取一聯集;反應於該些分枝的其中之二者之間的一間隔時間小於一時間門檻值,將所述二者合併;將各該分枝定義為對應於該至少一運輸狀態改變點的其中之一。
- 一種運輸狀態改變偵測裝置,包括:一儲存電路,儲存多個模組; 一處理器,耦接該儲存電路,並存取該些模組以執行下列步驟:取得關聯於一第一用戶的多個第一定位資料;對該些第一定位資料執行一前處理,以產生多個第二定位資料;從該些第二定位資料中取出對應於一第一旅次的多個第三定位資料;基於該些第三定位資料產生多個特徵資料,其中各該特徵資料屬於多個建模特徵類別之一;針對屬於各該建模特徵類別的該些特徵資料建立二分迴歸樹;基於各該建模特徵類別對應的該二分迴歸樹的一分枝分布情形偵測該第一用戶的至少一運輸狀態改變點,其中對該些第一定位資料執行該前處理,以產生該些第二定位資料的步驟包括:將各該第一定位資料的一原始定位時間點校正為一校正後定位時間點;將該些第一定位資料中的多個第一參考定位資料合併為一第一代表定位資料,其中各該第一參考定位資料對應於相同的該校正後定位時間點;依據該些第一定位資料形成該些第二定位資料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108139426A TWI749393B (zh) | 2019-10-31 | 2019-10-31 | 運輸狀態改變偵測方法及裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108139426A TWI749393B (zh) | 2019-10-31 | 2019-10-31 | 運輸狀態改變偵測方法及裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202119347A TW202119347A (zh) | 2021-05-16 |
TWI749393B true TWI749393B (zh) | 2021-12-11 |
Family
ID=77020476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108139426A TWI749393B (zh) | 2019-10-31 | 2019-10-31 | 運輸狀態改變偵測方法及裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI749393B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454660A (zh) * | 2012-12-28 | 2013-12-18 | 北京握奇数据系统有限公司 | 一种车辆定位方法及装置 |
CN105447504A (zh) * | 2015-11-06 | 2016-03-30 | 中国科学院计算技术研究所 | 一种交通模式行为识别方法及相应的识别模型构建方法 |
CN105792306A (zh) * | 2016-02-29 | 2016-07-20 | 重庆邮电大学 | 基于分类回归树算法的车载容忍延迟网络多副本路由方法 |
CN106912015A (zh) * | 2017-01-10 | 2017-06-30 | 上海云砥信息科技有限公司 | 一种基于移动网络数据的人员出行链识别方法 |
US20190300412A1 (en) * | 2018-03-27 | 2019-10-03 | Roy Armstrong | Field remote sensing system for real-time quantification of total suspended solids (tss) in surface waters from above-water spectral measurements |
-
2019
- 2019-10-31 TW TW108139426A patent/TWI749393B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454660A (zh) * | 2012-12-28 | 2013-12-18 | 北京握奇数据系统有限公司 | 一种车辆定位方法及装置 |
CN105447504A (zh) * | 2015-11-06 | 2016-03-30 | 中国科学院计算技术研究所 | 一种交通模式行为识别方法及相应的识别模型构建方法 |
CN105792306A (zh) * | 2016-02-29 | 2016-07-20 | 重庆邮电大学 | 基于分类回归树算法的车载容忍延迟网络多副本路由方法 |
CN106912015A (zh) * | 2017-01-10 | 2017-06-30 | 上海云砥信息科技有限公司 | 一种基于移动网络数据的人员出行链识别方法 |
US20190300412A1 (en) * | 2018-03-27 | 2019-10-03 | Roy Armstrong | Field remote sensing system for real-time quantification of total suspended solids (tss) in surface waters from above-water spectral measurements |
Also Published As
Publication number | Publication date |
---|---|
TW202119347A (zh) | 2021-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7344389B2 (ja) | 協調測位方法、装置、機器及び記憶媒体 | |
JP5424338B2 (ja) | 衛星測位システムの異常値検出装置、異常値検出方法及び異常値検出プログラム | |
US11288548B2 (en) | Target detection method and apparatus, and computer device | |
JP7200897B2 (ja) | 占有グリッドマップ生成装置、占有グリッドマップ生成システム、占有グリッドマップ生成方法、およびプログラム | |
CN105120433A (zh) | 基于连续采样及模糊聚类处理的wlan室内定位方法 | |
CN105444770A (zh) | 基于智能手机的车道级别地图生成和定位系统及方法 | |
CN112285676A (zh) | 激光雷达与imu外参标定方法及装置 | |
CN105526939A (zh) | 道路匹配方法和装置 | |
JP2011118755A (ja) | 学習装置、学習方法、およびプログラム | |
CN109756837A (zh) | 定位方法及装置 | |
CN110046179B (zh) | 一种报警维度的挖掘方法、装置及设备 | |
US20230005216A1 (en) | Three-dimensional model generation method and three-dimensional model generation device | |
CN112767545A (zh) | 一种点云地图构建方法、装置、设备及计算机存储介质 | |
CN112629558A (zh) | 车辆惯导匹配矫正方法和装置、设备及存储介质 | |
CN107688189B (zh) | 一种gps经纬度坐标的校准方法、装置和移动运动设备 | |
TWI749393B (zh) | 運輸狀態改變偵測方法及裝置 | |
KR20170069754A (ko) | 객체 이동 경로를 이용한 장애물 충돌 여부 판단 방법 및 이를 위한 장치 | |
CN109218961B (zh) | 一种基于虚拟节点的多站协同干扰定位方法及系统 | |
CN111031502A (zh) | 一种基于樽海鞘群算法的无线传感器网络节点定位方法 | |
CN107360547B (zh) | 一种室内定位中静止状态下防止定位抖动的聚类处理方法 | |
CN113260936A (zh) | 移动体控制装置、移动体控制学习装置及移动体控制方法 | |
CN113172658A (zh) | 一种机器人的定位方法、装置、设备及介质 | |
JP2020021421A (ja) | データ分割装置、データ分割方法およびプログラム | |
CN112033454A (zh) | 轨迹数据处理方法和装置 | |
CN115235527B (zh) | 传感器外参标定方法、装置以及电子设备 |