基于稠密手机 GPS 轨迹和 Transformer 模型的交通方式检测
机器学习
2026-03-19 v3
摘要
交通方式检测是 GeoAI 和交通研究中的重要议题。本研究引入 SpeedTransformer，一种新颖的基于 Transformer 的模型，仅依赖于速度输入即可从稠密手机 GPS 轨迹中推断交通方式。在基准实验中，SpeedTransformer 在长短期记忆网络(LSTM)等传统深度学习模型方面表现更佳。此外，该模型在迁移学习方面表现出强大的灵活性，在小数据集上微调后即可在不同地理区域实现高精度。最后，我们在实际场景中部署了该模型，在复杂的城市建筑环境和高数据不确定性下，始终优于基线模型。这一发现表明，Transformer 架构结合稠密 GPS 轨迹在推动交通方式检测以及更广泛的 mobility 相关研究方面具有巨大的潜力。
引用
@article{arxiv.2603.00340,
title = {Detecting Transportation Mode Using Dense Smartphone GPS Trajectories and Transformer Models},
author = {Yuandong Zhang and Othmane Echchabi and Tianshu Feng and Wenyi Zhang and Hsuai-Kai Liao and Charles Chang},
journal= {arXiv preprint arXiv:2603.00340},
year = {2026}
}
备注
Accepted for publication in the International Journal of Geographical Information Science, February 2026. This is the accepted manuscript. The final version of record will appear in IJGIS (Taylor and Francis)