利用自编码器发现同行移动对象
机器学习
2020-07-24 v1 人工智能
摘要
随着移动设备的广泛普及，当今的卫星、蜂窝基站和无线接入点等位置追踪系统持续产生海量移动对象的位置数据。从轨迹中发现共同移动的移动对象（即同行移动对象）的能力，是智能交通系统和基于位置的服务等众多应用所期望的。现有算法要么基于为同行移动对象定义特定模式的模式挖掘方法，要么基于为相似轨迹学习相似表示的表示学习方法。前者受点对点匹配问题困扰，后者常忽略轨迹间的时间邻近性。本工作中，我们提出一种使用自编码器的通用深度表示学习模型，即 ATTN-MEAN，用于发现同行移动对象。ATTN-MEAN 分别利用 skip-gram 与位置编码技术将空间与时间信息注入其输入嵌入中。此外，我们的模型通过利用 Sort-Tile-Recursive 算法、均值操作和全局注意力机制，进一步鼓励轨迹从邻域中学习。从编码器获得表示后，我们运行 DBSCAN 对表示进行聚类以找出同行移动对象。同一聚类中的相应轨迹被视为同行移动对象。实验结果表明，ATTN-MEAN 在发现同行移动对象上优于最先进的算法。
引用
@article{arxiv.2007.11735,
title = {Discovering Traveling Companions using Autoencoders},
author = {Xiaochang Li and Bei Chen and Xuesong Lu},
journal= {arXiv preprint arXiv:2007.11735},
year = {2020}
}