Framework a supervisione debole per l'inferenza dello scopo del viaggio da dati GPS
È stato introdotto un nuovo approccio a supervisione debole per dedurre le intenzioni di viaggio dai dati GPS. Questa tecnica combina zone semantiche di punti di interesse (POI) a livello di quartiere con probabilità spaziali pesate per distanza, impiega metodi di inferenza distinti per attività essenziali e non essenziali, e utilizza un'ottimizzazione di Pareto multifase per ridurre la divergenza distributiva rispetto ai dati di indagini sui viaggi domestici, il tutto senza la necessità di annotazioni etichettate. Testato su oltre 81 milioni di staypoint a Los Angeles, questo framework raggiunge una riduzione del 23% nella distanza di Jensen-Shannon (JSD) della frequenza del tipo di attività, una diminuzione del 48% nella JSD dell'orario di inizio e un calo del 12% nella JSD della durata.
Fatti principali
- Il framework utilizza l'apprendimento a supervisione debole per l'inferenza dello scopo del viaggio.
- Integra zone semantiche di POI e probabilità spaziali pesate per distanza.
- Differenzia le strategie di inferenza per attività obbligatorie e non obbligatorie.
- L'ottimizzazione di Pareto multifase minimizza la divergenza distributiva rispetto alle statistiche delle indagini.
- Valutato su oltre 81 milioni di staypoint a Los Angeles.
- Riduce la JSD della frequenza del tipo di attività del 23%.
- Riduce la JSD dell'orario di inizio del 48%.
- Riduce la JSD della durata del 12%.
Entità
Luoghi
- Los Angeles