深度学习 vs 回归：有限数据下的旅游流预测
机器学习
2022-06-28 v1 应用统计
摘要
21世纪的现代旅游业面临众多挑战。其中一项挑战是空间受限区域（如历史市中心、博物馆或狭窄山谷等地理瓶颈）中游客数量的快速增长。在此背景下，对某区域内旅游量与旅游流的恰当且准确预测，对于游客管理任务（如游客流控制与过度拥挤预防）至关重要。限制热点区域访问或使用常规低级控制器的静态流控制方法尚不能解决问题。本文利用某旅游区提供的可用粒度数据，实证评估了若干最先进深度学习方法在有限数据下游客流预测中的表现，并将结果与经典统计方法ARIMA进行比较。我们的结果表明，深度学习模型相较ARIMA方法给出更优预测，且二者均具有更快的推理时间并能够纳入额外输入特征。
引用
@article{arxiv.2206.13274,
title = {Deep-Learning vs Regression: Prediction of Tourism Flow with Limited Data},
author = {Julian Lemmel and Zahra Babaiee and Marvin Kleinlehner and Ivan Majic and Philipp Neubauer and Johannes Scholz and Radu Grosu and Sophie A. Neubauer},
journal= {arXiv preprint arXiv:2206.13274},
year = {2022}
}
备注
Accepted for publication at the IJCAI'22 Workshop AI for Time Series Analysis (AI4TS-22)