何时与何地：基于社会时空事件预测人类移动
社会与信息网络
2014-07-08 v1 应用统计
摘要
预测人类移动的时间和位置对于各种应用而言既有价值又具挑战性。为解决这一问题，我们提出了一种同时考虑人类移动周期性和社会性的方法。我们首先定义了一个新概念——社会时空事件（Social Spatial-Temporal Event, SSTE），用以表示人与人之间的社会互动。对于时间预测，我们使用 ARMA（自回归滑动平均）模型刻画 SSTE 的时间动态。为了动态捕捉 SSTE 的运动学特征，我们提出了一种基于卡尔曼滤波的学习算法，以便在新观测可用时学习并增量更新 ARMA 模型。对于位置预测，我们提出了一种排序模型，同时考虑人类移动的周期性和社会性以提高预测精度。在真实数据集上进行的大量实验验证了我们提出的方法。
引用
@article{arxiv.1407.1450,
title = {When and Where: Predicting Human Movements Based on Social Spatial-Temporal Events},
author = {Ning Yang and Xiangnan Kong and Fengjiao Wang and Philip S. Yu},
journal= {arXiv preprint arXiv:1407.1450},
year = {2014}
}