面向人群时空建模的活动序列生成与分类
社会与信息网络
2019-11-14 v1
摘要
人类活动包含一系列难以建模的复杂时空过程，但它是人体暴露评估的重要组成部分。诸如美国时间使用调查（ATUS）这类重要的经验数据源可被用于建模人类活动，但易处理的模型需要对活动数据进行更好的分层，以揭示表现出相似活动与移动模式、可分类的不同个体群体。我们利用现有机器学习算法开发了一种简单的无监督分类与序列生成方法，能够从 ATUS 数据中生成连贯且随机的活动序列。该分类与任意时空暴露剖面结合后，可支持针对表现出相似活动行为的个体群体建立暴露模式的随机模型。
引用
@article{arxiv.1911.05476,
title = {Generation and Classification of Activity Sequences for Spatiotemporal Modeling of Human Populations},
author = {Albert M Lund and Ramkiran Gouripeddi and Julio C Facelli},
journal= {arXiv preprint arXiv:1911.05476},
year = {2019}
}
备注
18 pages, 3 figures, one table