基于低频GPS数据的车辆分类

（Vehicle Classification from Low Frequency GPS Data）

基于GPS数据来跟踪分类道路上的车辆类型是目前全球使用的方法。传统的方法利用高频采样的GPS轨迹（大约每秒1个样本），但是当前安装在公共和商业车队上的GPS跟踪仪是以较低频率（大约每分钟1个样本）来获取GPS位置。因此，本文提出了一种采用低频GPS数据对车辆进行跟踪分类的方法，并重点探讨了这种数据将车辆分类为轻型和重型的具体过程。该方法定义了几个基于距离、速度和加速度的特征，并添加了基于道路类型的新特征，通过在交叉验证框架中应用递归特征消除来确定数据驱动方法的特征和聚合函数的最有效组合。此外，本文还结合车辆的轨迹预测来增强分类性能。实验结果表明，所选的特征确实有效，而且高频和低频GPS情景在相关特征方面差异很大。

本文还展示了如何有效地聚合来自同一车辆的多个轨道的分类，即通过对支持向量机（SVM）分类器的输出执行进行加权平均。实验结果表明，该方法能够有效地提高分类性能。本文设想未来的几个研究方向。其中数据集可以用来处理多种分类方式，然后可以评估各种不同分类方式的性能，如跟踪曲折或GPS高度。此外，还可以开发基于序列的控制器内核，以调查是否可以直接使用GPS点的序列而不需要聚合函数。