Clustering of Urban Traffic Patterns by K-Means and Dynamic Time Warping: Case Study

要約

都市交通パターンのクラスタリングは、交通管理と計画のさまざまな分野において不可欠なタスクです。
この論文では、都市交通パターンのクラスタリングにおける 2 つの重要なアプリケーションについて説明します。
最初のアプリケーションは、同様の交通パターンを持つ道路セグメントの速度を使用して欠落している速度値を推定し、地図タイルを色付けします。
2 つ目は、さまざまな道路セグメントの類似性パターンを使用して、地図上のローカル ポイントの住所を生成するために不可欠な道路セグメントを推定することです。
速度時系列は、さまざまな道路セグメントの交通パターンを抽出します。
この論文では、K-Means と Dynamic Time Warping に基づいた時系列クラスタリング アルゴリズムを提案しました。
私たちが提案するアルゴリズムのケーススタディは、Snapp アプリケーションのドライバー速度時系列データに基づいています。
2 つのアプリケーションの結果は、提案された方法が同様の都市交通パターンを抽出できることを示しています。

要約(オリジナル)

Clustering of urban traffic patterns is an essential task in many different areas of traffic management and planning. In this paper, two significant applications in the clustering of urban traffic patterns are described. The first application estimates the missing speed values using the speed of road segments with similar traffic patterns to colorify map tiles. The second one is the estimation of essential road segments for generating addresses for a local point on the map, using the similarity patterns of different road segments. The speed time series extracts the traffic pattern in different road segments. In this paper, we proposed the time series clustering algorithm based on K-Means and Dynamic Time Warping. The case study of our proposed algorithm is based on the Snapp application’s driver speed time series data. The results of the two applications illustrate that the proposed method can extract similar urban traffic patterns.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google