基于特征工程的交通方式分类

从 GPS（全球定位系统）记录预测交通方式是基于轨迹挖掘领域的热点问题。每条 GPS 记录称为一个轨迹点，轨迹则是这些点的序列。轨迹挖掘的应用包括但不限于交通方式检测、旅游、交通拥堵、智慧城市管理、动物行为分析、环境保护与交通动态等。交通方式预测作为人类移动与车辆移动应用中的任务之一，在资源分配、交通管理系统、旅游规划与事故检测中发挥着重要作用。本工作扩展了 Etemad 等人提出的框架，以在该交通方式预测任务中考虑其他方面。我们研究了封装式搜索与信息检索方法以寻找最佳轨迹特征子集。在找到最佳分类器与最佳特征子集后，将该框架与两篇应用深度学习的相关论文进行比较。结果表明我们的框架取得了更优性能。此外，地面真值噪声去除提升了交通方式预测任务的准确率；然而，在预处理任务中可获取测试集标签的假设是不成立的。进一步地，我们考察了交叉验证方法，性能结果显示随机交叉验证方法给出了过于乐观的结果。