面向大都市尺度移动数字孪生的在线轨迹预测
社会与信息网络
2022-07-11 v1 人工智能
摘要
知晓城市中移动“正在发生什么”和“将要发生什么”是数据驱动智慧城市系统的基石。近年来，移动数字孪生通过对人类移动进行虚拟复制，并在近实时下于虚拟空间中以都市尺度预测或模拟主体的细粒度运动，已在现代城市智能系统中展现出巨大潜力。然而，极少有研究提供实用方案。主要困难有四方面：1）人类移动的日变化难以建模与预测；2）交通网络对人类移动施加复杂约束；3）生成合理的细粒度人类轨迹对现有机器学习模型具挑战性；4）细粒度预测带来高计算成本，对在线系统构成挑战。鉴于这些困难，本文提出一种两阶段人类移动预测器，将粗粒度与细粒度预测分层。第一阶段，为编码都市尺度人类移动的日变化，我们自动提取全市移动趋势作为人群上下文，并在粗粒度上预测长期与长距离移动。第二阶段，通过概率轨迹检索方法将粗预测解析至细粒度，该方法将大部分繁重计算卸载至离线阶段。我们使用日本关东地区真实手机 GPS 数据集测试了方法，在预测约 22 万手机用户未来 1 小时移动时，于单机上取得良好预测精度与约 2 分钟的时间效率，以支持更高层次的移动预测分析。
引用
@article{arxiv.2207.03575,
title = {Online Trajectory Prediction for Metropolitan Scale Mobility Digital Twin},
author = {Zipei Fan and Xiaojie Yang and Wei Yuan and Renhe Jiang and Quanjun Chen and Xuan Song and Ryosuke Shibasaki},
journal= {arXiv preprint arXiv:2207.03575},
year = {2022}
}