路径与时间互寻：基于稀疏轨迹的出行时间估计
人工智能
2022-06-22 v1 数据库
摘要
由于物联网（IoT）技术的快速发展，许多在线网络应用（如Google Map和Uber）基于移动设备采集的轨迹数据估计出行时间。然而现实中，网络通信与能量限制等复杂因素使得采集到的多条轨迹采样率较低。在此情形下，本文旨在解决稀疏场景下的出行时间估计（TTE）与路径恢复问题，该问题常导致连续采样GPS点之间出行时间与路径标签的不确定性。我们将此问题表述为不精确监督问题，其中训练数据具有粗粒度标签，并联合求解TTE与路径恢复任务。我们认为在模型学习过程中两任务互为补充，且存在如下关系：更精确的出行时间可带来更好的路径推断，反之又导致更准确的时间估计。基于该假设，我们提出一种EM算法，在E步通过弱监督估计推断路径的出行时间，在M步基于估计出行时间检索稀疏轨迹的路径。我们在三个真实世界轨迹数据集上进行了实验，证明了所提方法的有效性。
引用
@article{arxiv.2206.10418,
title = {Route to Time and Time to Route: Travel Time Estimation from Sparse Trajectories},
author = {Zhiwen Zhang and Hongjun Wang and Zipei Fan and Jiyuan Chen and Xuan Song and Ryosuke Shibasaki},
journal= {arXiv preprint arXiv:2206.10418},
year = {2022}
}