利用 WiFi 轨迹训练的神经网络预测机场旅客行为
机器学习
2019-11-01 v1 信号处理
应用统计
机器学习
摘要
本文提出使用神经网络预测航站楼内机场旅客的活动选择。提出了三种网络架构：前馈神经网络（FNN）、长短期记忆（LSTM）网络，以及二者结合。这些模型的输入既包括静态（旅客与行程特征）也包括动态（实时旅客追踪）数据。一个真实案例研究展示了这些模型的应用，使用在博洛尼亚机场收集的匿名 WiFi 轨迹来训练网络。根据旅客活动选择的误分类率评估了模型性能。在 LSTM 方法中，测试了两种不同的多步预测策略。我们的发现表明，直接 LSTM 方法优于 FNN，尤其在预测时界相对较短（20 分钟或更少）时。
引用
@article{arxiv.1910.14026,
title = {Neural networks trained with WiFi traces to predict airport passenger behavior},
author = {Federico Orsini and Massimiliano Gastaldi and Luca Mantecchini and Riccardo Rossi},
journal= {arXiv preprint arXiv:1910.14026},
year = {2019}
}
备注
Post-print of paper presented at the 2019 6th International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS)