用于提升 Apple、Google 和 Microsoft 导航应用行程时间估计的预测分析
人工智能
2017-05-25 v1
摘要
支持定位的设备的爆炸式增长以及互联网服务使用的增加，使得人们越来越意识到地理空间信息在许多应用中的重要性和用途。导航应用（通常称为 Maps）使用各种可用数据源来计算和预测行程时间，以及公共交通、驾车或步行模式下的多种路线选择。本文评估了三大智能手机操作系统（Android、iOS 和 Windows Phone）中 Maps 应用的步行模式。在本文中，我们将表明 iOS、Android 和 Windows Phone 上的 Maps 应用在步行模式下预测行程时间时，并未从个人的移动特征中学习。此外，我们将举例说明这些应用存在一个特定的数据质量问题，即缺乏有关人行横道的位置和类型的信息。最后，我们将展示利用各种预测分析模型从个人的移动特征中学习，以提高行程时间估计的准确性。
引用
@article{arxiv.1705.08509,
title = {Predictive Analytics for Enhancing Travel Time Estimation in Navigation Apps of Apple, Google, and Microsoft},
author = {Pouria Amirian and Anahid Basiri and Jeremy Morley},
journal= {arXiv preprint arXiv:1705.08509},
year = {2017}
}