基于自注意的多步人体密度预测编解码器

IF 2.7 Q1 GEOGRAPHY
John Violos , Theodoros Theodoropoulos , Angelos-Christos Maroudis , Aris Leivadeas , Konstantinos Tserpes
{"title":"基于自注意的多步人体密度预测编解码器","authors":"John Violos , Theodoros Theodoropoulos , Angelos-Christos Maroudis , Aris Leivadeas , Konstantinos Tserpes","doi":"10.1016/j.urbmob.2022.100022","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":100852,"journal":{"name":"Journal of Urban Mobility","volume":"2 ","pages":""},"PeriodicalIF":2.7000,"publicationDate":"2022-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://www.sciencedirect.com/science/article/pii/S2667091722000103/pdfft?md5=f903aec36e9ba59beed08436fe616794&pid=1-s2.0-S2667091722000103-main.pdf","citationCount":"3","resultStr":"{\"title\":\"Self-Attention based encoder-Decoder for multistep human density prediction\",\"authors\":\"John Violos , Theodoros Theodoropoulos , Angelos-Christos Maroudis , Aris Leivadeas , Konstantinos Tserpes\",\"doi\":\"10.1016/j.urbmob.2022.100022\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"\",\"PeriodicalId\":100852,\"journal\":{\"name\":\"Journal of Urban Mobility\",\"volume\":\"2 \",\"pages\":\"\"},\"PeriodicalIF\":2.7000,\"publicationDate\":\"2022-01-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"https://www.sciencedirect.com/science/article/pii/S2667091722000103/pdfft?md5=f903aec36e9ba59beed08436fe616794&pid=1-s2.0-S2667091722000103-main.pdf\",\"citationCount\":\"3\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Journal of Urban Mobility\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://www.sciencedirect.com/science/article/pii/S2667091722000103\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q1\",\"JCRName\":\"GEOGRAPHY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Urban Mobility","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2667091722000103","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q1","JCRName":"GEOGRAPHY","Score":null,"Total":0}
引用次数: 3

摘要

多步人类密度预测(MHDP)是城市流动性中的一个新兴挑战,在智能城市、边缘计算和流行病学建模等领域有着广泛的应用。基本目标是在不同粒度的预测范围内估计聚集在一组城市兴趣区域(ROI)或兴趣点(POI)中的人口密度。因此,本文旨在通过提出一种创新的时间序列深度学习(DL)模型和地理空间特征预处理技术,对现有的人类密度预测文献做出贡献,并超越现有文献。具体而言,我们的研究目标是开发一个高度准确的MHDP模型,联合利用移动数据的时间和空间分量。一开始,我们将29种基线和最先进的方法分为六类进行了比较,发现我们提出的统计时间序列和深度学习编码器-解码器(ED)的准确性高于基于真实和合成移动数据集的其他模型。我们的模型在30分钟的时间窗口内,在不同粒度下,每天有200000名行人分布在多个感兴趣的区域,平均实现了28.88的中绝对误差(MAE)和87.58的均方根误差(RMSE)。此外,与现有技术的解决方案相比,地理空间特征变换使所提出的模型的RMSE进一步增加了4%。因此,这项工作提供了一个高效的同时通用的MHDP模型,可以为许多主要城市交通应用的规划和决策带来好处。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Self-Attention based encoder-Decoder for multistep human density prediction
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
CiteScore
2.90
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信