基于知识图谱的低可预测性个体潜在目的地发现
人工智能
2022-09-21 v3
摘要
出行者可能前往他们从未到访过的地点，我们称之为他们的潜在目的地。尤其在非常有限的观测下，出行者往往表现出随机移动模式，且通常具有大量潜在目的地，这使得移动预测（例如目的地预测）难以处理。本文中，我们开发了一种新的基于知识图谱的框架（PDPFKG），通过考虑低可预测性出行者之间的出行关联关系，用于其潜在目的地发现。我们首先构建出行知识图谱（TKG），以实体（如出行者、目的地和时间信息）及其关系对出行场景建模，其中我们引入私有关系概念以降低复杂度。然后实现一种修正的知识图谱嵌入算法来优化整体图表示。基于出行知识图谱嵌入模型（TKGEM），可通过计算三元组距离获得个体未来可能被选中的未观测目的地的排序。实证上，PDPFKG使用来自中国宣城市138个配备基于视频的车辆检测系统的交叉口的匿名车辆数据集进行测试。结果表明：(i) 所提方法显著优于基线方法；(ii) 结果与出行者选择潜在目的地的行为表现出强一致性。最后，我们对该方法的创新点进行了全面讨论。
引用
@article{arxiv.2201.12845,
title = {Potential destination discovery for low predictability individuals based on knowledge graph},
author = {Guilong Li and Yixian Chen and Qionghua Liao and Zhaocheng He},
journal= {arXiv preprint arXiv:2201.12845},
year = {2022}
}