利用邻近用户出行历史进行出行预测
人工智能
2023-01-02 v3
摘要
我们提出了一种通过分析用户出行历史进行出行预测的新方法。我们通过添加其他用户的“相似”出行来扩充用户自身的出行历史，这些出行可能对预测给定用户的未来出行具有信息量和有用性。这也有助于应对有噪声或稀疏的出行历史，其中自身历史本身无法提供可靠的未来出行预测。我们给出了经验证据，表明通过用额外出行丰富用户出行历史，可将预测误差降低 15%–40%，该结果在 Nancy2012 数据集的多个子集上评估得出。该真实世界数据集收集自法国南锡市的公共交通票务验证。我们的预测工具是一个出行模拟器系统的核心组件，该系统旨在分析南锡市公共交通的功能。
引用
@article{arxiv.1812.10097,
title = {Trip Prediction by Leveraging Trip Histories from Neighboring Users},
author = {Yuxin Chen and Morteza Haghir Chehreghani},
journal= {arXiv preprint arXiv:1812.10097},
year = {2023}
}
备注
This work is published by IEEE (ITSC)