pip install -r requirements.txt
python step0_transfer.py --mode xx
参数说明：
- --mode函数指示匹配的模式，可以是traj，指向匹配训练数据，或者eta_task指向任务3所需要的测试数据
python step1_mapMatching.py --mode xxx [--denoise]
参数说明：
- --mode函数指示匹配的模式，可以是traj，指向匹配训练数据，或者eta_task指向任务3所需要的测试数据
- --denoise是一个
store_true模式的参数，添加后会加入插值去噪处理
python step2_rodeClassify.py
python step3_etaEst.py
python step4_transfer_jump.py
python step4_mapMatching.py
python step4_prediction.py
- DM_2024_Dataset：课程组提供数据（具体说明见文件夹内的说明文档）
- runs：为保证整洁性，将运行全过程生成的中间代码存储在该文件夹中
- ori_xx.csv：坐标转换前的xx.csv数据
- gcj_xx.csv：坐标转换后的xx.csv数据
- matched_points_xx.csv：完成STEP1后，不去噪情况下对xx.csv和road.csv进行匹配后的结果
- matched_points_den_xx.csv：完成STEP1后，去噪情况下对xx.csv和road.csv进行匹配后的结果
- road_filled.csv：完成STEP2后，补全路段分类的数据
- eta_task_filled.csv：完成STEP3后，不全到达时间的数据
- step0_transfer.py：坐标转换
- step1_mapMatching.py：任务一，路网匹配代码
- step2_roadClassify.py：任务二，路段分类代码
- step3_etaEst.py：任务三，ETA估计代码
- step4_mapMatching：任务四，测试集的路网匹配
- Step4_prediction：任务四，下一跳预测
利用课程组给出的transfer.py进行修改后实现
主要修改为：为代码添加了一个参数，该参数可以为"traj"和"eta_task"之一，为"traj"时转换traj.csv中的数据，反之转换eta_task.csv中的数据
我们选取'tunnel', 'bridge', 'roundabout', 'oneway'，'lanes', 'length', 'maxspeed'以及路段位置信息作为特征，并将上述特征分为两类：①数值型特征，即车道数、路段最大速度等特征；②类别型特征，即是不是桥、是不是隧道等特征。
我们对两类特征分别进行不同的预处理后，共同构成训练所用特征：对数值型特征进行标准化处理，对类别型特征，将其转为独热码。
上述数据处理借用python库scikit-learn的ColumnTransformer实现。
首先，为了更好的对比分类器特性并复习本学期所学内容，对分类器的优缺点做出如下归纳：
以不同分类器间的差异为导向，我们需要对任务特性进行分析：
特性一：数据：量大，非线性，具有噪声
任务为根据多项特征预测路段类别，根据实际场景分析，其多项特征与路段类别间显然不存在线性关系。
受限于道路数据的采集方式，道路数据具有难以避免的噪声。
特性二：对预测速度要求较低
首先，轨迹数据挖掘这一整体任务并非具有强实时性的任务；其次，在整体任务重，路段分类这一具体任务的作用为根据输入的路段特征判断其分类，本任务并不处于某种循环结构下。综上，本任务对速度的要求较低。
特性三：易过拟合
受限于数据，数据特征的复杂性有限，容易导致模型过拟合。
结合任务特性，我们可以根据其数据量大、非线性、具有明显噪声的特点，排除掉逻辑回归分类器、支持向量机和决策树。根据任务容易过拟合的特点，我们可以排除神经网络分类器，并优先考虑随机森林分类器。朴素贝叶斯分类器假设特征独立，常用于文本分类，这里并不优先考虑使用该分类器。
综上所述，借助分类器的性质和任务特性，我们可以优先考虑K近邻分类器和随机森林分类器。经实验，最终选择随机森林分类器。
对于模型的评估，通过计算测试集中，正确预测路段数和总路段数的比值，得到预测准确率，依次为指标评估分类效果。最终模型的分类准确率为0.83。
任务目的为对每一个点估计到达时间，但对速度的预测才是本任务的核心预测点，到达时间根据速度计算。
速度具有两部分影响因素：①路段特征：路段类别(hightway)以及进行路段分类所用到的类别型特征('lanes','tunnel','bridge','roundabout','oneway')；②轨迹点所在路段的轨迹数量，用以表现该路段的车流量。
因此，实现本任务的核心思路为，选用随机森林模型作为核心模型，以上述特征为输入，以轨迹点的速度为输出。训练上述模型，以实现对速度的估计，进而利用通过计算得到到达时间。
具体而言，通过上述分析，我们实际需要预测的标签是速度，这需要我们首先计算同一轨迹中，相邻轨迹点的距离差和时间差，进而计算速度。
除此之外，我们需要补充路段的轨迹数量特征，这需要我们在数据准备阶段做以统计。
完成上述数据处理后，我们利用上述数据训练一个随机森林模型，得到的是一个能够估计运行速度的模型。
在预测阶段，我们同样需要需要做与上面相同的数据处理，在预测得到速度后，我们需要根据轨迹点间的距离差，以及轨迹的起点时间，依次计算得到每一轨迹点的到达时间。
对于模型评估，我们利用估计时间的MSE作为评估指标，我们所得到的最终MSE为0.0002。
- 路网匹配
- 基本功能实现
- 路网匹配的去噪处理
- 路段分类
- 基本功能实现
- 路段分类更新数据
- 路段分类分类器调研优化
- ETA估计
- 基本功能实现
- ETA估计预测部分
- ETA估计模型优化
- 下一跳预测
- 基本功能实现