大挑战:海事交通的实时目的地与到达时间预测
机器学习
2018-10-15 v1 机器学习
摘要
在本文中,我们展示了解决 DEBS Grand Challenge 2018 的方法。该挑战要求利用海事背景下的地理空间数据,以流处理方式对船舶的(i)目的地和(ii)到达时间提供预测。我们方法的新颖之处包括:基于随机森林、梯度提升决策树(GBDT)、XGBoost 树和极度随机树(ERT)的集成学习来提供目的地预测,而对于到达时间,我们提出使用前馈神经网络。在我们的评估中,港口目的地分类问题达到了 97% 的准确率,ETA 预测达到了 90%(以分钟计)。
引用
@article{arxiv.1810.05567,
title = {Grand Challenge: Real-time Destination and ETA Prediction for Maritime Traffic},
author = {Oleh Bodunov and Florian Schmidt and André Martin and Andrey Brito and Christof Fetzer},
journal= {arXiv preprint arXiv:1810.05567},
year = {2018}
}