检索结果-南通市图书馆

Predicting Human Mobility via Long Short-Term Patterns

Computer Modeling in Engineering & Sciences 2020年第9期124卷 847-864页

作者： Jianwei Chen Jianbo Li Ying Li College of Computer Science and Technology Qingdao UniversityQingdao266071China

Predicting human mobility has great significance in Location based Social Network applications,while it is challenging due to the impact of historical mobility patterns and current trajectories.Among these challenges,historical patterns tend to be crucial in the prediction task.However,it is difficult to capture complex patterns from long historical trajectories.Motivated by recent success of Convolutional Neural Network(CNN)-based methods,we propose a Union ConvGRU(UCG)Net,which can capture long short-term patterns of historical trajectories and sequential impact of current trajectories.Specifically,we first incorporate historical trajectories into hidden states by a shared-weight layer,and then utilize a 1D CNN to capture short-term pattern of hidden states.Next,an average pooling method is involved to generate separated hidden states of historical trajectories,on which we use a Fully Connected(FC)layer to capture longterm pattern subsequently.Finally,we use a Recurrent Neural Net-work(RNN)to predict future trajectories by integrating current trajectories and long short-term patterns.Experiments demonstrate that UCG Net performs best in comparison with neural network-based methods.

关键词： Human mobility prediction CNN average pooling

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：