Driving with Knowledge from the Physical World_1_1

Driving with Knowledge from the Physical WorldJing Yuan, Yu ZhengMicrosoft Research Asia本文主要内容介绍:本文介绍了一种使用交通信息和司机的驾驶行为计算最短时间的驾驶路线的系统。本文提出了一种基于云计算的系统来使用交通信息和司机的驾驶行为计算最短时间的驾驶路线。在这个系统中，配备GPS的出租车作为移动传感器不断地探测城市的交通和出租车司机在现实世界选择方向的智力。同时，云聚集挖掘来自这些出租车的信息和其他来自互联网的信息，如Web地图和天气预报信息。云计算构建的模型将一周的每天，一天的时间，天气情况，和个人驾驶策略结合起来（包括为其计算路由出租车司机和最终用户） 。利用这个模型，我们的系统 预测将来的某个时间的交通情况，并为特定的用户进行自适应的驱动方向服务。此服务从用户的GPS记录逐步学会用户的驾驶行为， 在云的帮助下，为用户提供最快的路线。我们用3个月在北京，超过33,000辆的数据评估我们的服务。其结果是，我们的服务为一个用户准确地估计的路径的运行时间，因此找到为用户定制最快的路线。对我们项目的帮助: Finding the customized and practically fastest driving route for a particular user using (Historical and real-time) Traffic conditions Driver behavior (of taxi drivers and end users) A time-dependent, user-specific, and self-adaptive driving directions service using GPS trajectories of a large number of taxicabs GPS log of an end userOffline Mining Building landmark graphs Mining taxi drivers knowledge Learning travel time distributions for each landmark edge 1, Traffic patterns vary in time on an edge 2, Different land edges have different distributions Differentiate taxi drivers experiences in different regions ChallengesIntelligence modeling Data sparseness Low-sampling-rate Online InferenceRoute ComputingLearning an end users drive behaviorEvaluationsEvaluation Beijing DatasetsEvaluation on Traffic PredictionEvaluation on Routing组员分工:组长:刘维(057) 负责整理图表和相关公式的解读组员:柳飞纯(059) 负责文档的翻译工作并概括文章的内容