基于Twitter数据与无监督学习方法的印度道路路况交通事件描述
计算与语言
2022-01-11 v1
摘要
非周期性且不可预测的交通事件直接影响道路交通状况。亟需对这些不可预测事件进行动态监测与预测，以改进路网管理。现有传统方法（流量或速度研究）的问题在于，许多印度道路的覆盖极为稀疏，且缺乏可复现的事件识别与描述方法。补充其他形式的数据对于缓解该问题至关重要。此类数据可为Google Maps、Waze等实时速度监测数据，或Twitter、Facebook等社交数据。本文采用无监督学习模型对推文进行有效分类，以增强印度交通数据。该模型利用词嵌入计算语义相似度，取得了94.7%的测试分数。
引用
@article{arxiv.2201.02738,
title = {Traffic event description based on Twitter data using Unsupervised Learning Methods for Indian road conditions},
author = {Yasaswi Sri Chandra Gandhi Kilaru and Indrajit Ghosh},
journal= {arXiv preprint arXiv:2201.02738},
year = {2022}
}
备注
13th International (Online) Conference on Transportation Planning and Implementation Methodologies for Developing Countries