基于Transformer且采用迁移学习方法在有限真值数据下的地图匹配模型
机器学习
2023-08-15 v4
摘要
在许多基于空间轨迹的应用中，有必要将原始轨迹数据点映射到数字地图中的道路网络，这通常被称为地图匹配过程。虽然以往多数地图匹配方法侧重于使用基于规则的算法处理地图匹配问题，本文从数据驱动视角考量地图匹配任务，提出一种基于深度学习的地图匹配模型。我们构建了采用迁移学习方法的基于Transformer的地图匹配模型。我们生成轨迹数据以预训练Transformer模型，随后用有限数量的真值数据微调模型，以最小化模型开发成本并缩小实到虚的差距。采用两个点级与段级的两个层次上的三种指标（平均汉明距离、F-score与BLEU）评估模型性能。结果表明所提模型优于现有模型。此外，我们利用Transformer的注意力权重绘制地图匹配过程，并发现模型如何正确地匹配道路段。
引用
@article{arxiv.2108.00439,
title = {Transformer-based Map Matching Model with Limited Ground-Truth Data using Transfer-Learning Approach},
author = {Zhixiong Jin and Jiwon Kim and Hwasoo Yeo and Seongjin Choi},
journal= {arXiv preprint arXiv:2108.00439},
year = {2023}
}
备注
25 pages, 9 figures, 4 tables