.png){kind=icon}
返回
Content-Aware Human Mobility Pattern Extraction
.png){kind=icon}
PRE
AI
DOI：10.1089/big.2022.0281.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
从积累的轨迹中提取人类移动的有意义模式对于理解人类行为至关重要。然而，以往的研究基于轨迹的空间共现来识别人类移动模式，这忽略了活动内容的影响，导致在有效提取和理解模式方面存在挑战。为弥补这一差距，本研究将轨迹的活动内容纳入其中，以提取人类移动模式，并提出了一种内容感知的移动模式模型。该模型首先通过将兴趣点作为代理，将活动内容嵌入分布式连续向量空间，然后利用派生的主题模型从人类轨迹集中提取具有代表性和可解释性的移动模式。为评估所提出模型的表现，开发了若干评估指标，包括模式一致性、模式相似性和人工评分。开展了一项真实案例研究，其实验结果表明，所提出的模型提高了可解释性，并有助于理解移动模式。本研究不仅为人类移动模式提供了一种新颖的解决方案和若干评估指标，也为融合人类活动内容语义进行轨迹分析和挖掘提供了方法参考。
Keyword:
human mobility
activity content
trajectory analysis
topic model
pattern extraction
期刊
IF:
6.4
论文数:
1.5K
被引数:
1.1W
机构
引用论文
35. Morstatter F, Liu H. In search of coherence and consensus: Measuring the interpretability of statistical topics. J Mach Learn Res 2018;18:1–32;35. Morstatter F, Liu H. 寻求连贯性与一致性：衡量统计主题的可解释性。J Mach Learn Res 2018;18:1–32;.png)
IF0
PREAI
分享收藏分享收藏Discovering latent activity patterns from transit smart card data: A spatiotemporal topic model从公交智能卡数据中发现潜在的活动模式: 时空主题模型
PREAI
分享收藏
查看更多内容