（Vehicle Classification from Low Frequency GPS Data）

基于GPS數(shù)據(jù)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(tǒng)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(yè)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(shù)據(jù)對車輛進行跟蹤分類的方法，并重點探討了這種數(shù)據(jù)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(yīng)用遞歸特征消除來確定數(shù)據(jù)驅(qū)動方法的特征和聚合函數(shù)的最有效組合。此外，本文還結(jié)合車輛的軌跡預(yù)測來增強分類性能。實驗結(jié)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(guān)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(zhí)行進行加權(quán)平均。實驗結(jié)果表明，該方法能夠有效地提高分類性能。本文設(shè)想未來的幾個研究方向。其中數(shù)據(jù)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(fā)基于序列的控制器內(nèi)核，以調(diào)查是否可以直接使用GPS點的序列而不需要聚合函數(shù)。