用于乘客轨迹聚类的张量Dirichlet过程多项混合模型

基于出行记录对乘客进行聚类对交通运营者至关重要。然而，由于乘客出行信息的层次结构，现有方法难以对乘客进行聚类，即：每位乘客有多趟出行，每趟出行包含多维多模态信息。此外，现有方法依赖于准确指定聚类数目才能启动，而当每日有数百万通勤者使用交通系统时，这是困难的。本文中，我们提出一种新颖的张量Dirichlet过程多项混合模型（Tensor-DPMM），其旨在通过张量保留多维出行信息的多模态与层次结构，并以统一的一步方式对其进行聚类。该模型还能利用Dirichlet过程决定乘客被分配到现有簇或创建新簇的概率，从而自动确定聚类数目：这使得我们的模型能以动态方式按需增长簇。最后，现有方法未考虑空间语义图（如地理位置邻近性与地点间功能相似性），可能导致不准确的聚类。为此，我们进一步提出模型的变体，即带图的Tensor-DPMM。在算法上，我们提出一种张量折叠Gibbs采样方法，其带有“解散与重定位”的创新步骤，该步骤解散成员过少的簇并将其重定位到剩余簇中。这避免了簇数量的不可控增长。基于香港地铁乘客数据开展的案例研究展示了学习聚类数目的自动过程，且所学簇在簇内紧致性与簇间分离性上更优。