基于智能手机与网络的出行调查中的活动识别
计算机与社会
2015-02-16 v1
摘要
在交通建模与预测中，出行目的起着重要作用，因为出行方式选择（如模式、路线、出发时间）是为了进行特定活动而做出的。近年来日益流行的基于活动的模型，是由大量观测到的出行及其目的构建的。然而，通过传统基于访谈的出行调查获得的数据缺乏此类模型所需的准确性和数量。智能手机和交互式网络界面已成为传统出行调查的一种有吸引力的替代方案。一项基于智能手机的出行调查——未来出行调查（Future Mobility Survey, FMS）——已在新加坡开发并进行了现场测试，收集了超过1000名参与者多天的出行数据。为了提供更智能的界面，推断用户在特定位置的活动是一项关键挑战。本文提出一种学习模型，用于推断与特定访问地点最相关的活动。FMS收集的数据由于各种原因包含错误或噪声，因此采用通过集成学习的鲁棒方法来改善泛化性能。我们的模型利用了跨用户历史数据以及用户特定信息，包括社会人口统计学特征。我们使用FMS数据的实证结果表明，所提方法对我们的出行调查应用有显著贡献。
引用
@article{arxiv.1502.03634,
title = {Activity recognition for a smartphone and web based travel survey},
author = {Youngsung Kim and Francisco C. Pereira and Fang Zhao and Ajinkya Ghorpade and P. Christopher Zegras and Moshe Ben-Akiva},
journal= {arXiv preprint arXiv:1502.03634},
year = {2015}
}