车联网系统：出租车空车到达时间计算

实验数据预处理的重要的一个环节是进行出租车空车到达时间计算。

将出租车GPS轨迹数据分为训练数据和评估数据，获得的轨迹数据是大概24天的轨迹数据，分为16天的训练数据和8天的评估数据，分别对训练数据和评估数据进行处理，分别得到对应于训练数据和评估数据的空车到达时间序列，进而得到空车到达时间间隔。

后续的研究中，将利用训练数据得到的空车到达时间间隔对模型进行训练，确定模型参数；利用评估数据得到的空车到达时间间隔对模型进行评估，确定候车时间和候车概率的误差。(www.xing528.com)

具体的实验方法如下：首先，分别筛选出训练数据和评估数据中载客状态为0的数据记录，定为空车位置。这些数据记录就是出租车处于空载状态时的轨迹数据，接下来的工作将会利用这些数据。其次，列出之前生成的10个载客热点，将这10个载客热点定为中心点；以中心点为圆心，以r为半径，确定一个圆形区域，定为热点区域；以中心点为圆心，分别以r-δ和r+δ为半径做两个同心圆，两个同心圆之间的环形区域近似视为热点区域的边界。本章参考相关资料的提示，将r给定为1000m，δ给定为100m。r和δ的确定主要依据经验与估计，可是实验的结果将会证明，这里所确定的值是比较合理的。再次，运用Scala编程语言进行编程，利用已知经度和纬度计算两点之间距离的公式，分别计算训练数据和评估数据中每个空车位置到每个中心点的距离，如果距离在（r-δ，r+δ）范围内，则此空车位置可以视为出租车空车轨迹与热点区域的交点，就是所谓的空车到达，定为空车到达位置。对每一个中心点，筛选出所有空车到达位置，并按照时间顺序进行排序。分别得到对应于训练数据和评估数据的空车到达时间序列，利用Matlab进行简单计算处理，就可以得到相应的空车到达时间间隔。

按照这种方法，就可以分别获得对应于训练数据和评估数据的空车到达时间间隔，以便之后实验的进行。虽然书中所采用的方法进行了相对的简单化，但是从理论上来看，并不破坏实验过程的科学性和合理性，从实际上来看，实验的结论表明过程是基本正确的。