UVTM：基于时空特征域生成的通用车辆轨迹模型
机器学习
2025-05-14 v4
摘要
车辆移动常以 GPS 轨迹的形式被捕获，即带有时间戳的 GPS 位置序列。此类数据被广泛用于行程时间估计、轨迹恢复和轨迹预测等多种任务。一个通用车辆轨迹模型可应用于不同任务，无需维护多个专用模型，从而降低计算和存储成本。然而，当轨迹特征的完整性受损时，例如在仅有部分特征可用或轨迹稀疏的场景中，创建这样一个模型颇具挑战。为应对这些挑战，我们提出了通用车辆轨迹模型（UVTM），该模型无需过度重新训练即可有效适应不同任务。UVTM 包含两项专门设计。首先，它将轨迹特征划分为三个不同的域。每个域可被独立掩码和生成，以适应仅有部分特征可用的任务。其次，UVTM 通过从稀疏、特征不完整的对应轨迹重建密集、特征完整的轨迹进行预训练，即使在轨迹特征完整性受损的情况下也能实现强大性能。在三个真实世界车辆轨迹数据集上针对四项代表性轨迹相关任务的实验，深入揭示了 UVTM 的性能，并为其能够实现其目标提供了证据。
引用
@article{arxiv.2402.07232,
title = {UVTM: Universal Vehicle Trajectory Modeling with ST Feature Domain Generation},
author = {Yan Lin and Jilin Hu and Shengnan Guo and Bin Yang and Christian S. Jensen and Youfang Lin and Huaiyu Wan},
journal= {arXiv preprint arXiv:2402.07232},
year = {2025}
}