面向 HuMob 挑战赛的个性化人类移动预测
机器学习
2023-10-20 v1 人工智能
摘要
我们解释了用于创建提交至 HuMob Challenge(一项人类移动预测数据分析竞赛)数据的方法。我们采用个性化模型,基于人类运动对每个人而言独一无二这一假设,从个体自身数据预测其移动轨迹,而非从整体运动中预测。我们设计了诸如日期与时间、活动时长、星期几、一天中的时刻以及 POI(兴趣点)访问频率等特征。作为附加特征,我们通过聚类引入了具有相似行为模式的其他个体的移动。我们采用的机器学习模型是支持向量回归(SVR)。我们通过离线评估进行准确性检验,并开展了特征选择与参数调优。尽管整体数据集由 100,000 名用户的轨迹构成,我们的方法仅使用 20,000 名目标用户数据,无需使用其余 80,000 条数据。尽管个性化模型采用传统的特征工程方法,该模型以较低计算成本取得了相当好的精度。
引用
@article{arxiv.2310.12900,
title = {Personalized human mobility prediction for HuMob challenge},
author = {Masahiro Suzuki and Shomu Furuta and Yusuke Fukazawa},
journal= {arXiv preprint arXiv:2310.12900},
year = {2023}
}