- 2 次围观
轨迹重建是针对低采样轨迹数据进行轨迹补充还原的一类轨迹数据处理研究。为了提高轨迹重建的准确性,一些工作通过引入Seq2Seq等深度学习模型来提升轨迹重建的效率与精度,但由于现有工作忽略了轨迹间的长距离依赖问题,导致轨迹还原中还存在准确率不高等问题。本文提出一种基于Transformer的轨迹重建模型ZTrajRec(Zero-based trajectory recovery),通过Transformer编码器捕获轨迹间的长距离依赖,注意力机制用于当前轨迹和历史轨迹相似性查询来进行轨迹在路网上的重建。实验结果表明,在真实北京出租车数据集上,ZTrajRec比基准模型最好效果在召回率上提升3%~4%。本文最后对重建结果进行了可视化分析以展示其合理性。
来源出处
基于Transformer的路网轨迹重建方法
http://sjcj.nuaa.edu.cn/sjcjycl/article/abstract/202403015
相关内容
发布日期
10/08/2023 - 23:02
发布日期
06/17/2022 - 10:21
发布日期
01/11/2025 - 20:33
发布日期
12/08/2024 - 19:03
发布日期
09/10/2024 - 19:30
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:12
发布日期
01/10/2022 - 19:31
发布日期
10/31/2021 - 01:12
发布日期
10/31/2021 - 01:47
发布日期
08/17/2023 - 22:14
发布日期
10/29/2024 - 19:43
发布日期
10/31/2021 - 01:12
发布日期
06/17/2022 - 10:21
发布日期
01/22/2024 - 00:46
发布日期
04/26/2024 - 09:35
发布日期
01/10/2022 - 19:32
发布日期
12/11/2023 - 01:01
发布日期
06/17/2022 - 10:21
发布日期
03/18/2025 - 20:52