SST：一种基于简化Swin Transformer的基于已有轨迹的出租车目的地预测模型
计算机视觉与模式识别
2023-08-16 v1 计算机与社会
摘要
准确预测出租车轨迹目的地可为智能基于位置的服务带来多种益处。实现该预测的一种潜在方法是将出租车轨迹转换为二维网格并使用计算机视觉技术。尽管Swin Transformer是一种创新的计算机视觉架构，并在视觉下游任务中已证实成功，但它通常不用于解决真实世界轨迹问题。本文提出一种简化的Swin Transformer（SST）结构，其未采用传统Swin Transformer中的移位窗口思想，因为轨迹数据本质上是连续的。我们基于真实轨迹数据的综合实验表明，与最先进的方法相比，SST可达到更高的准确率。
引用
@article{arxiv.2308.07555,
title = {SST: A Simplified Swin Transformer-based Model for Taxi Destination Prediction based on Existing Trajectory},
author = {Zepu Wang and Yifei Sun and Zhiyu Lei and Xincheng Zhu and Peng Sun},
journal= {arXiv preprint arXiv:2308.07555},
year = {2023}
}
备注
Accepted by IEEE ITSC