Bài báo này đề xuất giải pháp trích xuất thông tin hữu ích về tình trạng giao thông từ dữ liệu GPS thu thập được từ các thiết bị giám sát hành trình của phương tiện giao thông. Giải thuật gom cụm dựa trên mật độ được tích hợp vào trong quy trình khai thác dữ liệu để lọc ra các vị trí thường xuyên ùn tắc trong mạng lưới giao thông đô thị. Chúng tôi tiến hành thực nghiệm trên bộ dữ liệu thật phạm vi Thành phố Hồ Chí Minh và thu được kết quả khá hứa hẹn về mặt ứng dụng.
Trang 1KHAI THÁC THÔNG TIN TÌNH TRẠNG ÙN TẮC GIAO THÔNG
TỪ DỮ LIỆU GPS - TRƯỜNG HỢP THÀNH PHỐ HỒ CHÍ MINH
MINING INFORMATION ABOUT TRAFFIC CONGESTIONS FROM GPS DATA
– CASE STUDY OF HO CHI MINH CITY
Lê Văn Quốc Anh
Khoa CNTT, ĐH GTVT TP.HCM, anh@ut.edu.vn
Tóm tắt: Bài báo này đề xuất giải pháp trích xuất thông tin hữu ích về tình trạng giao thông từ dữ
liệu GPS thu thập được từ các thiết bị giám sát hành trình của phương tiện giao thông Giải thuật gom cụm dựa trên mật độ được tích hợp vào trong quy trình khai thác dữ liệu để lọc ra các vị trí thường xuyên ùn tắc trong mạng lưới giao thông đô thị Chúng tôi tiến hành thực nghiệm trên bộ dữ liệu thật phạm vi Thành phố Hồ Chí Minh và thu được kết quả khá hứa hẹn về mặt ứng dụng
Từ khóa: Dữ liệu hành trình GPS; khai thác dữ liệu; phát hiện ùn tắc
Abstract: This paper presents an approach to the discovery of useful information about traffic
condition from GPS data obtained from vehicle tracking devices A density - based clustering approach
is intergrated into the data mining process to figure out the most likely areas of congestions in urban traffic networks We performed experiments on real - life datasets of Ho Chi Minh City and obtained very promissing results for developing applications
Keywords: Gps trajectory data; data mining; congestion detection
1 Giới thiệu
Khai thác dữ liệu là quá trình tìm kiếm và
rút trích những thông tin tiềm ẩn có giá trị, hữu
ích từ một khối lượng dữ liệu khá lớn ban đầu
Những thông tin được rút trích được gọi là tri
thức, là yếu tố quyết định giúp phát triển các
ứng dụng thông minh Trong lĩnh vực giao
thông vận tải, việc sử dụng kết quả từ việc
phân tích dữ liệu từ các thiết bị giám sát hành
trình, dữ liệu xe con di dộng (FCD) và dữ liệu
điện thoại trực tuyến (FPD) đã đem lại những
hiệu quả rõ rệt trong vấn đề giám sát và quản
lý giao thông [1]
Bài báo này đề cập đến bài toán phân tích
hay khai thác dữ liệu hành trình thu thập được
từ các thiết bị thu GPS, gọi tắt là dữ liệu GPS,
để trích xuất những thông tin có giá trị và hữu
ích về tình trạng ùn tắc giao thông của mạng
lưới giao thông trong đô thị Nguồn của dữ
liệu GPS khá đa dạng và phổ biến, thông dụng
nhất là từ các thiết bị thu GPS gắn trên các
phương tiện giao thông hay thu thập qua phần
mềm viết cho các điện thoại thông minh Việc
khai thác dữ liệu GPS mang lại khá nhiều ứng
dụng hữu ích, như: dự báo tắc nghẽn giao
thông [2], khai thác địa điểm quan trọng và lộ
trình thông dụng từ dữ liệu GPS [3], quy
hoạch sử dụng các lộ trình tối ưu [4]
Mặc dù tính ứng dụng của bài toán này là khá đa dạng nhưng việc xử lý trên dữ liệu GPS
và rút trích được những thông tin có giá trị gặp nhiều thách thức Thứ nhất, với sự ổn định và tính chính xác tương đối, bản thân dữ liệu dạng này xuất hiện khá nhiều điểm dữ liệu nhiễu và mất mát thông tin [5] Thứ hai, dữ liệu thu thập theo thời gian nên khối lượng dữ liệu để phân tích là khá lớn, có thể xem như là một dạng “Big Data” Điểm cuối cùng là vấn
đề biểu diễn những tri thức khai thác được từ
dữ liệu GPS Rất khó để mô tả hay diễn dịch nếu không sử dụng các công cụ trực quan hoá [6]
Bài báo này trình bày giải pháp hiệu quả cho bài toán trích xuất thông tin về tình trạng
ùn tắc giao thông từ dữ liệu GPS với các đóng góp sau:
Mô hình hoá điểm ùn tắc giao thông dựa trên khái niệm Cluster
Giải quyết vấn đề nhiễu bằng cách tách điểm dữ liệu và gom cụm dựa trên mật độ
Trực quan hoá các điểm ùn tắc trên bản đồ
2 Các khái niệm và công trình liên quan
2.1 Mô hình hoá dữ liệu GPS
Trang 2Dữ liệu thô thu thập từ các thiết bị thu
GPS gọi là GPS Log tồn tại dưới khá nhiều
định dạng, trong đó thông dụng là ở định dạng
file (CSV, GPX, KML,…) hoặc dạng bảng
trong một hệ quản trị cơ sở dữ liệu quan hệ
(Oracle, MS SQL Server,…), tham khảo hình
1
Hình 1 Minh hoạ GPS Log thu thập từ một thiết bị
giám sát hành trình phương tiện giao thông.
Để có sự chuẩn hoá dữ liệu đầu vào cho giải
thuật khai thác dữ liệu sau này, chúng tôi mô
hình hoá dữ liệu GPS qua các khái niệm sau
đây:
Toạ độ GPS: Được biểu diễn bởi bộ
bốn <id, lat, lon, time>, trong đó: id là mã
định danh của đối tượng chuyển động
(phương tiện giao thông hoặc một điện thoại
có hỗ trợ GPS); lat là vĩ độ, lon là kinh độ; và
time là thời gian ghi nhận vị trí của đối tượng
GPS Log: Là một tập hợp các toạ độ
GPS, có dạng {p 1 , p 2 , …p n }, với mỗi p i là một
toạ độ GPS
Quỹ đạo GPS: Là một chuỗi gồm các
toạ độ GPS thu thập không ngắt quãng của
cùng một đối tượng chuyển động, có dạng p 1
p 2 … p n , trong đó: p i id = p j id , 1
i, j n; và 0 < pi+1.time - pi.time < T, 0 <
i < n, với T là ngưỡng thời gian ngắt quãng
cho phép giữa hai lần thu thập toạ độ liên tiếp
Với các khái niệm mô tả như trên thì các
điểm dữ liệu trong dữ liệu thô sẽ được biểu
diễn bằng các điểm GPS và dữ liệu đầu vào
cho các giải thuật khai thác dữ liệu sẽ là các
quỹ đạo GPS được trích xuất từ GPS Log
Khái niệm quỹ đạo GPS có thể hình dung từ
hình 2 Chi tiết của quá trình trích xuất sẽ được
trình bày trong mục 4.1
Hình 2 Minh hoạ một quỹ đạo GPS trích xuất từ GPS
Log, khu vực TP.HCM, xuất phát từ Quận 10, qua
Quận 2, và dừng ở Quận 7.
2.2 Gom cụm dữ liệu dựa trên mật độ
- Giải thuật DBSCAN
Giải thuật DBSCAN [7] là giải thuật gom cụm dữ liệu dựa trên mật độ được đánh giá là khá hiệu quả trong việc gom cụm điểm dữ liệu
có yếu tố nhiễu Ngoài ra, những đặc tính khác của giải thuật này rất phù hợp để được lựa chọn trong bài toán phát hiện điểm ùn tắc giao thông, như: Không yêu cầu cung cấp trước số lượng cụm (trong trường hợp này là số điểm
ùn tắc); phát hiện được điểm ùn tắc với dạng hình học bất kỳ và có thể kết hợp với các cấu trúc dữ liệu (như R* Tree [8]) để tăng tốc quá trình xử lý với dữ liệu lớn
Do giải thuật này khá thông dụng nên bài báo sẽ không trình bày chi tiết giải thuật này Độc giả quan tâm có thể tham khảo ở [7] Với những tính chất đã nêu ở trên, giải thuật gom cụm dựa trên mật độ DBSCAN được lựa chọn cho hướng tiếp cận được đề xuất trong bài báo này
2.3 Tình hình nghiên cứu gần đây
Một số công trình liên quan đến bài toán khai thác dữ liệu GPS được công bố gần đây, với các mục tiêu khác nhau: Ước lượng tốc độ
di chuyển trung bình của dòng giao thông từ
dữ liệu hành trình GPS [9], phát hiện các dạng tắc nghẽn từ dữ liệu xe con lưu động (FCD) [10] hay khám phá đường đi ít tốn thời gian nhất [11] Các giải pháp này chủ yếu dựa trên thống kê để ước lượng vận tốc trung bình của dòng giao thông và nếu áp dụng trên dữ liệu
Trang 3thực nghiệm giới thiệu phần sau thì kết quả
không tốt Ngoài kỹ thuật thống kê, bài báo
này đề xuất sử dụng giải thuật gom cụm dựa
trên mật độ để loại bỏ nhiễu và tăng chất lượng
kết quả, như phần thực nghiệm sẽ trình bày
3 Nguồn dữ liệu thực nghiệm
Để thực hiện việc kiểm nghiệm quy trình
khai thác thông tin vị trí ùn tắc đề xuất ở trên,
chúng tôi sử dụng dữ liệu GPS Log thu thập
từ các phương tiện vận tải cung cấp bởi công
ty OTS cung cấp dịch vụ giám sát hành trình
xe ô tô Số lượng xe được giám sát hành trình
trong nguồn dữ liệu này là 411, khu vực thành
phố Hồ Chí Minh (TP.HCM) Thời gian thu
thập dữ liệu trong vòng một tuần, từ
01/06/2015 đến 07/06/2015
Hình 3 minh hoạ dữ liệu GPS Log được
hiển thị trên bản đồ nền của TP.HCM Có khá
nhiều điểm nhiễu trong dữ liệu cần làm sạch
Hình 3 Dữ liệu thô chưa qua tiền xử lý và làm sạch
dữ liệu Xuất hiện một số đoạn nối các điểm không
đúng thực tế
Hình 4 Dữ liệu thực nghiệm sau khi tiền xử lý loại bỏ
các điểm nhiễu và tách các đoạn quỹ đạo
4 Khai thác thông tin địa điểm ùn tắc
từ dữ liệu GPS
4.1 Tiền xử lý và làm sạch dữ liệu
Dữ liệu thô ban đầu ở dạng GPS Log sẽ được tách thành các tập toạ độ GPS theo định danh của thiết bị Các toạ độ GPS trong mỗi tập được sắp xếp theo thứ tự thời gian để tạo thành một chuỗi toạ độ GPS cho mỗi đối tượng chuyển động
Với một giá trị ngưỡng thời gian ngắt
quãng T cho trước, chuỗi toạ độ được quét tuần tự để tìm các điểm cắt (điểm cắt là điểm
có khoảng cách thời gian đến điểm kế tiếp
vượt qua ngưỡng T) Các phân đoạn thu được
giữa các điểm cắt chính là các quỹ đạo GPS Trong trường hợp dữ liệu GPS Log thu thập
từ các phương tiện giao thông thì ngưỡng thời
gian T có thể chọn là từ 30 phút đến 1 giờ, đây
là thời gian các xe vận tải dừng đỗ tại trạm, bến, bãi Tuy nhiên, rõ ràng là giá trị của ngưỡng thời gian này được chọn tuỳ thuộc vào đặc thù của từng loại dữ liệu thu thập được Các phân đoạn thu được từ bước xử lý nêu trên là các chuỗi toạ độ GPS đảm bảo tính liên tục về thời gian giữa hai điểm liên tiếp Trong thực tế, một số trường hợp thiết bị thu GPS ghi nhận toạ độ GPS không chính xác, dẫn đến mất tính liên tục về không gian trong chuỗi toạ
độ GPS Hình 5 minh hoạ một toạ độ GPS nhiễu được ghi nhận
Hình 5 Minh hoạ một toạ độ GPS nhiễu nằm cách xa
quỹ đạo di chuyển
Do khoảng cách thời gian giữa các lần thu thập toạ độ thường là khá bé (vài giây) nên việc loại bỏ các toạ độ nhiễu này không ảnh hưởng đến tính liên tục về thời gian trong chuỗi quỹ đạo Để thuận lợi trong các bước xử
lý sau, giai đoạn tiền xử lý dữ liệu sẽ loại bỏ các toạ độ GPS nhiễu bằng cách sử dụng một
ngưỡng khoảng cách d Tuỳ thuộc vào tốc độ
tối đa của phương tiện và khoảng cách thời gian giữa hai lần thu thập toạ độ GPS liên tiếp
mà chọn giá trị ngưỡng khoảng cách d phù hợp Với khoảng cách thời gian là 10s thì d có
thể chọn là 280m, giả định phương tiện chạy với tốc độ dưới 100km/h Hình 4 trình bày dữ liệu thô sau bước phân đoạn và làm sạch Bước tiền xử lý dữ liệu chuyển đổi dữ liệu thô GPS Log sang các quỹ đạo GPS với sự đảm bảo về tính liên tục thời gian và không gian Đây chính là đầu vào cho quy trình trích
Trang 4xuất thông tin vận tốc tức thời và khai thác địa
điểm ùn tắc sẽ được trình bày tiếp theo đây
4.2 Trích xuất thông tin vận tốc tức
thời từ quỹ đạo GPS
Đa số trường hợp thiết bị giám sát hành
trình cũng ghi nhận vận tốc tức thời của
phương tiện tại thời điểm thu thập thông tin về
vị trí và lưu trữ vào GPS Log Tuy nhiên một
số trường hợp dữ liệu GPS Log không có
thông tin về vận tốc tức thời (phần lớn dữ liệu
ở dạng các file GPX hay KML) Trong các
trường hợp này, vận tốc tức thời có thể được
tính thông qua khoảng cách thời gian và không
gian giữa hai điểm liên tiếp trong quỹ đạo
Khoảng cách không gian giữa hai toạ độ GPS
được tính bằng hàm sau (công thức
Haversine):
function getDistanceFromLatLon (p1, p2) {
R = 6371; // Bán kính Trái đất (km)
dLat = (p2.lat-p1.lat)* PI/180;
dLon = (p2.lon-p1.lon)* PI/180;
a = sin(dLat/2)^2 +
cos(p1.lat*PI/180)*cos(p2.lat*PI/180)*
sin(dLon/2)^2;
c = 2 * arcsin(sqrt(a));
return R * c;
}
Các vị trí điểm có tốc độ thấp hơn một
ngưỡng vận tốc cho trước (ví dụ 5km/h) sẽ
được lọc ra để tìm các vị trí thường xuyên ùn
tắc Hình 6 minh hoạ các vị trí có tốc độ di
chuyển của các phương tiện trong bộ dữ liệu
nghiên cứu của khu vực nội thành Thành phố
Hồ Chí Minh có vận tốc di chuyển bé hơn
5km/h Nhận xét rằng mặc dù vẫn phát hiện
một số địa điểm có khả năng ùn tắc cao như
giữa các giao lộ, các trục đường chính, nhưng
có khá nhiều địa điểm được đánh dấu khá rời
rạc, không tập trung
Sử dụng ngưỡng vận tốc để xác định các
vị trí trên mạng lưới giao thông mà phương
tiện di chuyển chậm Cần lưu ý rằng không
phải vị trí nào phương tiện đi chậm cũng phải
là vị trí ùn tắc Có những vị trí mà phương tiện
di chuyển chậm là bình thường, ví dụ xe đi vào
bến, xe dừng đèn đỏ, hay xe đi vào các đường
nội bộ của khu dân cư Tuy nhiên, việc phát
hiện các vị trí mà phương tiện đi chậm lại vẫn
rất hữu ích trong bài toán phát hiện điểm ùn
tắc Rõ ràng là các vị trí này chính là những
ứng cử viên cho việc nhận diện vị trí ùn tắc Thách thức bây giờ là làm sao lọc ra được các điểm ùn tắc thực sự từ danh sách các ứng cử viên này
Hình 6 Các vị trí ghi nhận tốc độ tức thời của đối
tượng chuyển động thấp hơn ngưỡng vận tốc 5km/h.
4.3 DBSCAN tìm khu vực ùn tắc
Từ tập hợp các vị trí ghi nhận có phương tiện đi chậm, chúng tôi đề xuất sử dụng phương pháp gom cụm dữ liệu theo mật độ, với giải thuật DBSCAN để loại bỏ các điểm ngoại biên Điểm ngoại biên ở đây được hiểu
là các vị trí mà có hiện tượng phương tiện đi chậm là ngẫu nhiên (xe dừng hay đi chậm có chủ đích…)
Hình 7 Kết quả sau khi dùng DBSCAN loại bỏ các
điểm ngoại biên
Hai tham số quan trọng trong giải thuật
DBSCAN là khoảng cách Epsilon và số điểm
nhỏ nhất để xác định một vùng có mật độ dày
(MinPts) Các tham số này được chọn bằng
phương pháp thử và sai; giá trị để kết quả gom cụm là tốt nhất cho bộ dữ liệu thí nghiệm là
Epsilon = 0.01 và MinPts = 5
Hình 7 minh hoạ các vị trí ùn tắc được ghi nhận sau khi chạy giải thuật DBSCAN Nhận
Trang 5xét rằng các vị trí ùn tắc phát hiện được phần
lớn là ở các vòng xoay, ngã giao của trục
đường chính và đường nhánh
5 Kết quả và đánh giá
Kết quả chạy giải thuật DBSCAN trên bộ
dữ liệu nghiên cứu trả về thông tin 412 cụm,
đó chính là các vị trí thường xuyên ùn tắc được
phát hiện Để đánh giá tính hợp lý của kết quả,
chúng tôi sử dụng phần mềm Quantum GIS
(http://www.qgis.org) để trực quan hoá từng
điểm ùn tắc trên bản đồ nền để kiểm tra
Hình 7 cho thấy sự phân bố của các vị trí
ùn tắc được phát hiện Các vị trí ùn tắc được
phóng lớn để kiểm tra Ví dụ trong hình 8, các
vị trí ùn tắc được phát hiện gần vòng xoay
Lăng Cha Cả đều nằm trên các giao lộ và trên
thực tế thường xuyên xảy ra ùn tắc
Hình 8 Các điểm thường xuyên ùn tắc được phát hiện
tại khu vực vòng xoay Lăng Cha Cả.
6 Kết luận và hướng phát triển
Bài báo này đề xuất quy trình khai thác
dữ liệu GPS để trích xuất thông tin về tình
trạng ùn tắc giao thông Dữ liệu thực nghiệm
được thu thập từ các xe thực tế chạy trên các
tuyến đường của Thành phố Hồ Chí Minh Kết
quả đạt được là rất hứa hẹn và trở thành nền
tảng cho các ứng dụng tìm đường thông minh
có tính đến tình trạng giao thông sau này Đây
cũng là hướng phát triển trong tương lai của
hướng tiếp cận vừa trình bày
Lời cảm ơn
Nghiên cứu này được hỗ trợ từ nguồn
kinh phí nghiên cứu khoa học của Trường Đại
học Giao thông vận tải TP HCM (MS
KH1504)
Tài liệu tham khảo
[1] M R Evans, D Oliver, X Zhou, and S Shekhar,
“Spatial Big Data: Volume, Velocity and Veracity,” Big Data Tech Technol Geoinformatics, pp 149–176, 2010
[2] F Maier, R Braun, F Busch, and P Mathias,
“Pattern-based short-term prediction of urban congestion propagation and automatic response,”
Traffic Eng Control, vol 49, no 6, pp 227–232,
2008
[3] Y Zheng, L Zhang, X Xie, and W.-Y Ma,
“Mining interesting locations and travel
sequences from GPS trajectories,” Proc 18th Int Conf World wide web - WWW ’09, 2009
[4] F Bastani, Y Huang, X Xie, and J W Powell,
“A Greener Transportation Mode: Flexible Routes Discovery from GPS Trajectory Data,”
Proc 19th ACM SIGSPATIAL Int Conf Adv Geogr Inf Syst., pp 405–408, 2011
[5] H Jeung, H Lu, S Sathe, and M L Yiu,
“Managing evolving uncertainty in trajectory
databases,” IEEE Trans Knowl Data Eng., vol
26, no 7, pp 1692–1705, 2014
[6] D Zhang, K Lee, and I Lee, “Periodic Pattern Mining for Spatio-Temporal Trajectories: A
Survey,” 2015 10th Int Conf Intell Syst Knowl Eng., pp 306–313, 2015
[7] M Ester, H Kriegel, J S, and X Xu, “A density-based algorithm for discovering clusters in large
spatial databases with noise,” in KDD-96, 1996,
pp 226–231
[8] M Ester, H Kriegel, J Sander, M Wimmer, and
X Xu, “Incremental Clustering for Mining in a
Data Warehousing Environment,” in VLDB Conference, 1998, pp 323–333
[9] I Barbosa, M A Casanova, C Renso, and J A
F de Macedo, “Average Speed Estimation For Road Networks Based On GPS Raw
Trajectories,” Iceis 2013, p 511, 2013
[10] L Xu, Y Yue, and Q Li, “Identifying Urban Traffic Congestion Pattern from Historical
Floating Car Data,” Procedia - Soc Behav Sci.,
vol 96, no Cictp, pp 2084–2095, 2013
[11] E.H.C Lu, W.C.Lee, and V.S.Tseng, “Mining fastest path from trajectories with multiple
destinations in road networks,” Knowl Inf Syst.,
vol 29, no 1, pp 25–53, 2011
Ngày nhận bài: 18/07/2016 Ngày chuyển phản biện: 22/07/2016 Ngày hoàn thành sửa bài: 08/08/2016 Ngày chấp nhận đăng: 16/08/2016