DeepTravel：一种基于神经网络带辅助监督的行程时间估计模型
机器学习
2018-02-08 v1 计算机视觉与模式识别
机器学习
摘要
估计一条路径的行程时间对智能城市出行具有重要意义。现有方法要么基于估计每个路段的时间代价，无法捕捉许多跨路段的复杂因素，要么以非学习式的启发式方法设计，未能利用数据中已有的丰富时间标签，即每个轨迹点的时间戳。本文借助深度神经网络的新进展，提出一种新颖的辅助监督模型，即DeepTravel，可自动且有效地提取不同特征，并充分利用轨迹数据的时间标签。我们在真实数据集上进行了全面实验，以证明DeepTravel相对于现有方法的优越性能。
引用
@article{arxiv.1802.02147,
title = {DeepTravel: a Neural Network Based Travel Time Estimation Model with Auxiliary Supervision},
author = {Hanyuan Zhang and Hao Wu and Weiwei Sun and Baihua Zheng},
journal= {arXiv preprint arXiv:1802.02147},
year = {2018}
}