超越路径规划：联合 GPS 与路径建模以优化轨迹表示学习
机器学习
2024-02-28 v1 人工智能
摘要
轨迹表示学习在支持各种下游任务中发挥着关键作用。传统方法为了过滤 GPS 轨迹中的噪声，往往专注于基于路径规划的方法来简化轨迹。然而，这种方法忽略了 GPS 数据中包含的运动细节，限制了轨迹表示学习的能力。为填补这一空白，我们提出了一种基于自监督技术的新型表示学习框架，即联合 GPS 与路径建模（JGRM）。我们将 GPS 轨迹和路径视为单次运动观测的两种模态，并通过模态间信息交互融合信息。具体而言，我们开发了两个编码器，分别 tailored 用于捕捉路径和 GPS 轨迹的表示。来自这两种模态的表示被输入到一个共享的 Transformer 中进行模态间信息交互。最后，我们设计了三个自监督任务来训练模型。我们在两个真实数据集上通过大量实验验证了所提方法的有效性。实验结果表明，JGRM 在路段表示和轨迹表示任务上均优于现有方法。我们的源代码可在 Anonymous Github 获取。
引用
@article{arxiv.2402.16915,
title = {More Than Routing: Joint GPS and Route Modeling for Refine Trajectory Representation Learning},
author = {Zhipeng Ma and Zheyan Tu and Xinhai Chen and Yan Zhang and Deguo Xia and Guyue Zhou and Yilun Chen and Yu Zheng and Jiangtao Gong},
journal= {arXiv preprint arXiv:2402.16915},
year = {2024}
}