T-CONV：一种用于多尺度出租车轨迹预测的卷积神经网络
计算机视觉与模式识别
2018-04-23 v3
摘要
精确的出租车轨迹目的地预测可以惠及许多智能基于位置的服务，例如为乘客提供精准广告。传统的预测方法将轨迹视为一维序列并在单一尺度上进行处理，无法捕捉轨迹在不同空间尺度上的多样化二维模式。本文提出T-CONV，它将轨迹建模为二维图像，并采用多层卷积神经网络来结合多尺度轨迹模式，以实现精确预测。此外，我们进行梯度分析，以可视化T-CONV捕获的多尺度空间模式，并提取对最终预测有显著影响的区域。最后，我们整合多个局部增强卷积场，深入探索这些重要区域以获得更好的预测效果。基于真实轨迹数据的综合实验表明，T-CONV能够达到比现有最优方法更高的准确率。
引用
@article{arxiv.1611.07635,
title = {T-CONV: A Convolutional Neural Network For Multi-scale Taxi Trajectory Prediction},
author = {Jianming Lv and Qing Li and Xintong Wang},
journal= {arXiv preprint arXiv:1611.07635},
year = {2018}
}