TrajectoryNet：一种用于基于点的轨迹分类的嵌入式GPS轨迹表示（利用循环神经网络）
计算机视觉与模式识别
2017-08-31 v2 人工智能
机器学习
摘要
从人类活动的GPS（全球定位系统）轨迹中理解和发掘知识是基于移动性的城市计算中的一个重要课题。我们提出TrajectoryNet——一种用于基于点的轨迹分类的神经网络架构，以从GPS轨迹推断真实世界中人类的交通方式。为克服由GPS数据带来的低维异构特征空间中捕捉潜在因素的挑战，我们开发了一种新颖的表示，将原始特征空间嵌入到另一空间，该空间可理解为一种基扩展形式。我们还通过基于片段的信息丰富特征空间，并使用Maxout激活函数来提升循环神经网络（RNNs）的预测能力。在检测四种交通方式时，我们实现了超过98%的分类准确率，优于现有模型，且无需额外的传感数据或基于位置的先验知识。
引用
@article{arxiv.1705.02636,
title = {TrajectoryNet: An Embedded GPS Trajectory Representation for Point-based Classification Using Recurrent Neural Networks},
author = {Xiang Jiang and Erico N de Souza and Ahmad Pesaranghader and Baifan Hu and Daniel L. Silver and Stan Matwin},
journal= {arXiv preprint arXiv:1705.02636},
year = {2017}
}