利用自动化社交媒体交通报告增强个人导航辅助系统
计算与语言
2020-04-30 v1 人工智能
摘要
现代城市化亟需更智能的技术以改进智能交通系统中各类应用,缓解日益严重的车辆交通拥堵与事件。现有事件检测技术局限于交通网络中的传感器并依赖人工输入。尽管数据丰富,社交媒体在此类场景中未得到充分利用。本文基于自然语言处理(NLP)开发了一套自动化交通警报系统,可过滤信息洪流并提取重要的交通相关要点。为此,我们采用微调的Bidirectional Encoder Representations from Transformers (BERT)语言嵌入模型从社交媒体中筛选相关交通信息,随后应用问答模型提取刻画报告事件的关键信息,如精确位置、发生时间与事件性质。我们证明所采用的NLP方法优于其他现有方法,并在有效训练后着眼于真实场景,展示所开发方法如何实时提取交通相关信息并自动转化为面向导航辅助应用(如导航App)的警报。
引用
@article{arxiv.2004.13823,
title = {Leveraging Personal Navigation Assistant Systems Using Automated Social Media Traffic Reporting},
author = {Xiangpeng Wan and Hakim Ghazzai and Yehia Massoud},
journal= {arXiv preprint arXiv:2004.13823},
year = {2020}
}
备注
This paper is accepted for publication in IEEE Technology Engineering Management Society International Conference (TEMSCON'20), Metro Detroit, Michigan (USA)