基于低頻GPS數據的車輛分類

（Vehicle Classification from Low Frequency GPS Data）

基于GPS數據來跟蹤分類道路上的車輛類型是目前全球使用的方法。傳統的方法利用高頻采樣的GPS軌跡（大約每秒1個樣本），但是當前安裝在公共和商業車隊上的GPS跟蹤儀是以較低頻率（大約每分鐘1個樣本）來獲取GPS位置。因此，本文提出了一種采用低頻GPS數據對車輛進行跟蹤分類的方法，并重點探討了這種數據將車輛分類為輕型和重型的具體過程。該方法定義了幾個基于距離、速度和加速度的特征，并添加了基于道路類型的新特征，通過在交叉驗證框架中應用遞歸特征消除來確定數據驅動方法的特征和聚合函數的最有效組合。此外，本文還結合車輛的軌跡預測來增強分類性能。實驗結果表明，所選的特征確實有效，而且高頻和低頻GPS情景在相關特征方面差異很大。

本文還展示了如何有效地聚合來自同一車輛的多個軌道的分類，即通過對支持向量機（SVM）分類器的輸出執行進行加權平均。實驗結果表明，該方法能夠有效地提高分類性能。本文設想未來的幾個研究方向。其中數據集可以用來處理多種分類方式，然后可以評估各種不同分類方式的性能，如跟蹤曲折或GPS高度。此外，還可以開發基于序列的控制器內核，以調查是否可以直接使用GPS點的序列而不需要聚合函數。