TrajGEOS：基于轨迹图增强的方向序列网络用于移动性预测
人工智能
2024-12-30 v1
摘要
人类移动性研究人们如何移动以获取其必需资源，在城市规划和基于位置的服务中发挥着重要作用。作为人类移动性建模的重要任务，下一位置预测因用户多样化的历史轨迹而具有挑战性，这导致复杂的移动模式和各种情境。深度序列模型已被广泛用于通过利用轨迹数据的内在序列性来预测下一个位置。然而，它们没有充分利用位置之间的关系，也未能捕捉用户的多层次偏好。本文我们从用户的历史轨迹中构建轨迹图，并提出一种基于轨迹图增强的方向序列网络（TrajGEOS）用于下一位置预测任务。TrajGEOS引入分层图卷积来捕捉位置和用户嵌入。这些嵌入不仅考虑位置的情境特征，还考虑它们之间的关系，并作为下游模块的额外特征。此外，我们设计了基于方向的模块，从序列建模模块和最近的轨迹中学习用户的中期偏好。在三个真实世界的LBSN数据集上进行的大量实验表明，图和基于方向的模块都具有价值，并证明TrajGEOS在下一位置预测任务上优于当前最先进的方法。
引用
@article{arxiv.2412.19092,
title = {TrajGEOS: Trajectory Graph Enhanced Orientation-based Sequential Network for Mobility Prediction},
author = {Zhaoping Hu and Zongyuan Huang and Jinming Yang and Tao Yang and Yaohui Jin and Yanyan Xu},
journal= {arXiv preprint arXiv:2412.19092},
year = {2024}
}