MobilityDL: 基于轨迹数据的深度学习综述
机器学习
2025-04-02 v1
摘要
轨迹数据结合了时间序列、空间数据和（有时非理性的）移动行为的复杂性。随着数据可用性和计算能力的提高，基于轨迹数据的深度学习也越来越受欢迎。这篇综述论文首次全面概述了用于轨迹数据的深度学习方法。我们确定了八个特定的移动性用例，并分析了这些用例所使用的深度学习模型和训练数据。除了对2018年以来的文献进行全面的定量回顾外，我们工作的主要贡献是对该领域近期工作的数据为中心的分析，将其置于移动性数据连续谱中，该连续谱范围从个体移动者的详细密集轨迹（准连续跟踪数据），到稀疏轨迹（如签到数据），再到聚合轨迹（人群信息）。
引用
@article{arxiv.2402.00732,
title = {MobilityDL: A Review of Deep Learning From Trajectory Data},
author = {Anita Graser and Anahid Jalali and Jasmin Lampert and Axel Weißenfeld and Krzysztof Janowicz},
journal= {arXiv preprint arXiv:2402.00732},
year = {2025}
}
备注
Submitted to Geoinformatica