基于注意力的循环神经网络用于城市车辆轨迹预测
机器学习
2019-12-05 v2 人工智能
摘要
随着多样化定位设备与基于位置服务的日益部署,海量时空信息作为轨迹数据被收集与积累。在众多应用中,基于轨迹的位置预测因其在多个领域提升许多应用性能的潜力而受到越来越多的关注。本研究聚焦于利用城市交通网络中车辆所得轨迹数据进行轨迹序列预测的方法。鉴于先前已提出循环神经网络(RNN)模型,我们提出了一种用于城市车辆轨迹预测的基于注意力的循环神经网络模型(ARNN)的改进方法。我们将注意力机制引入城市车辆轨迹预测,以解释网络级交通状态信息的影响。该模型使用在澳大利亚布里斯班收集的私家车蓝牙数据,以序列建模中广泛使用的 5 个指标进行评估。所提出的 ARNN 模型相较于现有 RNN 模型表现出显著的性能提升,其不仅考虑了待访问的单元,还考虑了单元在序列中的对齐。
引用
@article{arxiv.1812.07151,
title = {Attention-based Recurrent Neural Network for Urban Vehicle Trajectory Prediction},
author = {Seongjin Choi and Jiwon Kim and Hwasoo Yeo},
journal= {arXiv preprint arXiv:1812.07151},
year = {2019}
}