《表2 各类兴趣点和可达兴趣点数量》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于城市交通监控大数据的工作位置推理方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节以案例分析的方式展示所提可达兴趣点提取方法的有效性。首先，利用所提的工作区域推理方法可获取到车主的最大可能工作区域，如图7所示为获取某车辆的工作区域，其中起点摄像头集合和终点摄像头集合分别为：Ω={camo1，camo2}，Φ={camd1，camd2}。图中实线箭头表示车辆在经过Φ中摄像头之后可能去往的方向，虚线箭头表示经过Ω中摄像头离开工作区域的方向。表2为该工作区域内各兴趣点和可达兴趣点的数量。设p1和p2表示图中两个兴趣点的位置。当车辆经过Φ中摄像头进入这个区域时，根据实线箭头可以看出，车辆可以往三个方向行驶，因此车辆能够到达兴趣点p1和p2。而车辆在离开这个区域时，需经过Ω中摄像头，根据图中的路线能够看出，车辆在离开p2时，是很难直接到达Ω中摄像头，而需要绕过几个其他摄像头，因此p2不是可达兴趣点，要被剪枝掉。最后获取到的该车主在该区域各类别的可达兴趣点如表2所示。对比表2中各类POI数量可以看出，POI总的数量从49减少到24，POI类别从7类减少到6类，验证了可达兴趣点提取方法在缩小车主工作位置范围及兴趣点类别方面是有效的。