用海量出租车轨迹数据选取广告牌放置位置(SmartAdP: Visual Analytics of Large-scale Taxi Trajectories for Selecting Billboard Locations)

广告牌是最常见的室外广告形式之一。尽管电视广告等传统广告方式仍然占据主导地位,但是近些年来随着人们在出行上花费的时间越来越多,室外广告牌这种广告形式也变得越来越有价值。室外广告牌是否有效取决于他的内容设计,可见性以及放置的地理位置。其中地理位置被认为是最重要的因素。然而选取室外广告牌的放置点并非易事,传统选取室外广告牌位置的方法依靠领域专家进行人工的选取,找到多个潜在的地点,进一步计算每个地点的人流量分析、人群种类分布等人口统计信息,生成报告。提供给商户做参考和选择。这样的方法自动化程度不高并且十分依赖领域专家的知识。因此来自香港科技大学可视化团队的成员开发了SmartAdP,一个基于出租车轨迹数据选取广告牌放置位置的可视分析系统。

interface

图1:SmartAdP 系统界面

传统选取室外广告牌位置的方法需要人工统计广告牌附近的交通流量,进行人群分布的统计,依赖领域专家建立数学模型,这些工作都是通过人工操作,都需要花费大量时间,并且不够灵活,新来的商户又需要做一遍相同的流程。而近些年来一些室外广告公司也提供了一些在线位置选取的咨询服务,这些服务提供了交通流量的统计信息和人口学的统计信息。然而依旧有许多缺点,首先数据十分昂贵;其次,解空间非常庞大,专家要从成千上万个可选的放置位置找到广告牌依旧十分困难;最后,商户希望系统能够提供多个可选的地点筛选,而不是直接给出一个答案。

ad

图2:高速公路边上的广告牌

这个工作选取出租车数据作为广告牌位置选择的主要依据。原因如下:

  • 出租车数据相对容易获取,国内外的大城市基本都有此类数据。
  • 出租车数据能覆盖到城市的大部分区域。
  • 海量的出租车数据能够较好地保留原有的交通出行模式。

具体来说,系统从出租车轨迹数据中提取了如下几个特征作为选取广告牌位置的主要依据:

  • Coverage/Reach,广告牌能覆盖多少轨迹
  • Opportunities to see (OTS),被覆盖的轨迹路过广告牌的平均次数
  • Gross rating points (GRP = reach∗OTS∗100)
  • Value for money (VFM = covered target trajectories/total cost )

pipeline

图3:smartAdP系统流程图,系统主要分成3个部分:数据管理、解决方案生成、以及可视探索

smartAdP系统可以三个部分,如图3所示,其中数据管理部分使用mongoDB管理出租车GPS数据、路网数据以及POI数据。而解决方案生成则是一个优化问题,从用户选取的空间区域内需找合适的解。最后提供可视探索的界面帮助用户对比多个解。

系统的核心算法是在给定的空间范围内找到K个最优的地点。这个问题是np难的,求解的时间花费十分昂贵,难以在交互系统中使用,系统采用了贪心算法,舍弃了一些结果的准确性和保证了系统的响应速度。

k-location

图4:k-location query算法,在解空间中查询K个最优的点

系统界面可以分为如下几个视图(a)Dashboard展示了具体候选地点的信息(b)地图视图展示了空间相关的信息(c)解集预览展示了每个可能的候选点的指标信息(d)解集视图展示了多个解集之间的相似度(e)展示了每个候选地点的地理信息(f)排序视图展示可以通过交互式的调整权重对候选地点进行排序。

 

总得来说,这个是个应用型的系统,目标是解决广告牌放置的问题,用可视分析和自动算法来提升效率。从出租车轨迹数据中提取广告牌选取的一些重要指标,基于这些指标设计一个可视分析系统。在可视化上面则注重不同解之间的比较,结合MDS投影,排序以及小图标设计来帮助用户做决策,选取合适的地点放置广告。

评论关闭。