AugmenTRAJ：一种基于点的轨迹数据增强框架
机器学习
2023-11-28 v1
摘要
数据增强已成为机器学习中一项强有力的技术，它通过生成多样化的合成数据来增强模型鲁棒性，同时缓解过拟合与欠拟合问题。然而，尽管在其他领域取得成功，数据增强在移动性数据分析中的潜力仍基本未被发掘，这主要源于轨迹数据错综复杂的性质与独特格式。此外，目前缺乏能够进行逐点数据增强的框架，这类框架可在保留原始数据固有特征的同时可靠地生成合成轨迹。为应对这些挑战，本研究提出AugmenTRAJ，一个专为轨迹数据增强设计的开源Python3框架。AugmenTRAJ提供了一种可靠且可控的合成轨迹生成方法，从而能够在移动性分析中利用数据增强的优势。本文全面概述了开发AugmenTRAJ所采用的方法，并展示了该框架内可用的多种数据增强技术。AugmenTRAJ通过为研究者提供实用且通用的轨迹数据增强工具，为提升移动性数据分析模型的性能与泛化能力开辟了新可能；其在Python3中的用户友好实现便于集成至现有工作流，为社区提供了一个可获取的资源，以在基于轨迹的应用中充分发挥数据增强的潜力。
引用
@article{arxiv.2311.15097,
title = {AugmentTRAJ: A framework for point-based trajectory data augmentation},
author = {Yaksh J Haranwala},
journal= {arXiv preprint arXiv:2311.15097},
year = {2023}
}