用于推断GPS轨迹中出行方式的半监督GANs
机器学习
2021-05-12 v2 机器学习
摘要
在基于一维智能手机轨迹数据的出行方式推断背景下，我们开发了半监督生成对抗网络（GANs）。我们使用来自加拿大蒙特利尔大规模智能手机出行调查的数据。我们将GPS轨迹转换为具有五个通道（变量）的固定大小片段。我们开发了不同的GANs架构，并将其预测结果与卷积神经网络（CNNs）进行比较。最佳的半监督GANs模型达到了83.4%的预测准确率，而最佳的CNN模型能够达到81.3%的预测准确率。考虑到数据集的大规模真实世界性质，结果与以往研究相比具有优势。
引用
@article{arxiv.1902.10768,
title = {Semi-supervised GANs to Infer Travel Modes in GPS Trajectories},
author = {Ali Yazdizadeh and Zachary Patterson and Bilal Farooq},
journal= {arXiv preprint arXiv:1902.10768},
year = {2021}
}