摘要
交通拥堵是世界上许多城市的主要关注点。以前的工作主要集中在交通流量拥堵和分析预测，而路段之间的拥塞相关性尚未研究。在本文中，我们提出了一个三阶段框架来研究来自多个现实世界数据的路段之间的拥塞相关性。在第一阶段，我们从10,000多个出租车的GPS轨迹中提取每个路段上的拥堵信息 。定义拥塞相关性，并提出相应的挖掘算法，以找出所有现有的相关性。在第二阶段，我们从道路网络和POI数据中提取每对路段的各种特征。在最后阶段，第一和第二个阶段的结果被输入到几个分类器，以预测拥堵相关。我们进一步分析重要特征和评估训练分类器的结果。我们发现一些重要的模式，导致高/低拥堵相关，他们可以促进形成各种交通应用程序。我们的框架中提出的技术是一般性的，可以应用于其他成对相关分析。
问题：
1.什么是gps轨迹，以下是百度的，论文中给出了定义，但是类似。
GPS轨迹是采用GPS轨迹记录仪采集的一系列户外活动的位置点，每个点至少包括日期、时间、经度、纬度、海拔信息，有的轨迹记录仪还包含速度等信息。
2.在第一阶段，我们从10,000多个出租车的GPS轨迹中提取每个路段上的拥堵信息
拥堵信息怎么提取的？意思也就是采集出租车gps点速度信息来判断，a车在各个路段各个时间的速度信息。这样采集下来就是每条路段不同车辆的速度信息了。
所以结论是：map.txt暂时可以用了？貌似可以
3.重要的特征指的是什么。
Paste_Image.png
Paste_Image.png
