可扩展的无监督多准则轨迹分割与驾驶偏好挖掘
机器人学
2020-11-12 v1 数据库
机器学习
摘要
我们提出了针对大型轨迹数据集的分析技术，旨在提供对轨迹的语义理解，而非仅将其视为时空间中的点序列。所提出的技术利用关于道路段遍历代价（如行程时间与距离）的驾驶偏好模型来分析和解释轨迹。具体而言，我们提出的轨迹挖掘技术能够 (a) 发现轨迹中指示经由点等兴趣点，以及 (b) 基于驾驶员所选轨迹恢复其驾驶偏好。我们利用在丹麦全境 3 年间收集的逾 100 万条车辆轨迹数据集，在经由点识别与个性化路径规划任务上评估了我们的技术。我们的技术可高效实现且高度可并行化，从而能够扩展至数百万或数十亿条轨迹。
引用
@article{arxiv.2011.03331,
title = {Scalable Unsupervised Multi-Criteria Trajectory Segmentation and Driving Preference Mining},
author = {Florian Barth and Stefan Funke and Tobias Skovgaard Jepsen and Claudius Proissl},
journal= {arXiv preprint arXiv:2011.03331},
year = {2020}
}