随机邻域嵌入_「论文阅读」-学习用于通勤流嵌入的地理上下文嵌入
论文地址:https://ojs.aaai.org//index.php/AAAI/article/view/5425
0x00 引言
本文章题为“用于通勤流预测的地理上下文嵌入学习”。
关键几个问题:
- 什么是通勤流?
- 什么是地理上下文?
- 如何对地理上下文信息进行嵌入学习?
- 该方法工作效果如何?存在什么缺陷吗?
通勤流
什么是通勤流?
通勤是一种从家到工作地的往返过程。日复一日的通勤行为形成了一个与社会经济因素密切关联的复杂网络。
通勤流也被看作城市规划中的一个基本问题,因为其揭示了城市中劳动力供给与需求之间的空间关系。所以从城市规划的角度来看,有必要研究基础设施和土地利用对通勤流的影响。
![](/assets/blank.gif)
通勤流预测与交通流预测有何区别?
说的通勤流预测可能又容易联想到交通流预测,两者有什么区别呢?
交通流预测是一个时序预测问题,在技术实现上需要将历史轨迹信息作为输入特征;而通勤流预测旨在揭示城市中劳动力供给侧与需求侧之间的空间关系,通常是只用节点属性信息(基建、土地利用)预测的是边级别的信号(如通勤流的大小)。
0x01 相关工作
通勤流相关工作
针对通勤流预测问题,人们以前有用重力模型、非参数模型、介入机会模型。
然而:
(1) 重力模型只是简单地将物理定律搬过来,实际上不能很好地刻画复杂的通勤模式,应用效果不理想。
(2) 现有的大多数机器学习模型只用OD点的节点属性特征,忽略了区域之间的空间依赖性
介入机会模型倒是考虑了出发地、目的地周边对中心的影响,本文提出的地理上下文嵌入便受到这类方法的启发。
图表征相关工作
图表征学习方面也有很多利用节点属性、节点邻域信息的方法,本文方法主要受GAT的影响,将自注意力机制引入到通勤流预测上,捕获地理上下文信息。
0x02 本文观点
至此本文方法的基本框架已经出来了。
- 针对通勤网络
- 通过地理上下文嵌入学习地理单元及其上下文信息,通过多任务预测损失函数约束嵌入向量中的信息更适合进行通勤流预测。所谓的地理上下文信息就是指地理单元周围的POI、土地利用等信息,抽象来说就是邻域节点的属性。
![](/assets/blank.gif)
用GAT将地理上下文信息编码到嵌入空间中
这里要注意的是文章提出用2个GAT分别建模出发地和目的地的特征,即要把劳动供给侧和需求侧的特征进行解耦。
然后通过多任务学习框架约束嵌入向量更适应于流预测表示。
通过多任务学习框架约束嵌入向量更适应于通勤流预测
主任务自然是通勤流预测,子任务是预测两个地理单元(出发地和目的地)的流入/流出量,这背后的直觉是通勤流与地理单元的流入/流出量之间高度相关,引入这两个子任务可以约束嵌入向量包含更多有助于通勤流预测的信息(监督信号)。
基于GMEL和多任务学习框架的通勤流预测
前面基于GMEL可以获得地理单元的嵌入向量,基于这些向量在训练一个回归学习器(如梯度提升树、随机森林)便能进行通勤流预测。算法如下:
- 端到端地训练一个GMEL(预训练过程)
- 基于嵌入向量再训练一个流预测模型
![](/assets/blank.gif)
0x03 实验
实验部分需要验证的点包括:
- 地理上下文信息是否真的有助于通勤流预测?
- 使用两个GAT分别建模供给特征和需求特征是多此一举吗?
- 有必要引入多任务学习框架吗?
实验环境
用到了通勤流、土地利用的数据集和距离计算的包。
实验结果
观察实验结果可发现:
- 所有GMEL系列的模型都比基准模型要好,表明地理上下文信息有助于通勤流来说
- 标准的GMEL比另外两个变种表现好,验证了多任务学习框架的有效性和对供需特征解耦的必要性
![](/assets/blank.gif)
参数敏感性分析 、残差分析也表明方法的鲁棒性。
![](/assets/blank.gif)
0x04 结论
总结全文,文章提出利用地理上下文信息预测通勤流,并提出一个嵌入学习框架来学习地理单元的上下文信息,结果表明引入这种信息是有助于通勤流预测的。
随机邻域嵌入_「论文阅读」-学习用于通勤流嵌入的地理上下文嵌入相关推荐
- 「论文阅读」SCF-Net:Learning Spatial Contextual Features for Large-Scale Point Cloud Segmentation
目录 局部极坐标表示块(LPR) 双距离注意力池块(DDAP) 全局上下文特征(GCF) SCF模块架构 SCF-Net总体架构 本文的骨干网络主要是基于RandLaNet的,所以,对比着RandLa ...
- 「论文阅读」PCT:Point Cloud Transformer
目录 PCT的点云处理 编码器(Encoder): 物体分类 语义分割 法线估计 Naive PCT SPCT 全PCT 受Transformer在视觉和nlp任务方面的成功启发,我们基于传统Tran ...
- python实习内容过程_「Python实践」学习之路
一.列表内容对比 方式一: import operator l1 = ['a','b','c'] l2 = ['a','d','e'] print(operator.lt(l1,l2)) 运行结果为T ...
- 《论文阅读》开放域对话摘要(长文本|知识嵌入)
<论文阅读>开放域对话摘要(长文本|知识嵌入) 前言 相关知识 文本摘要 对话摘要 Mind the Gap! Injecting Commonsense Knowledge for Ab ...
- 人物关系 人脸识别_「人脸识别」可以代替「人像鉴定」吗?
刷脸支付.刷脸安检.刷脸取快递.刷脸住酒店--人脸识别正在替代钥匙.公交卡.身份证.银行卡等,迅速渗透人们日常生活和工作的方方面面,一个"全民刷脸"的时代正在加速到来. 在司法鉴定 ...
- [论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms
[论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms 文章目录 [论文阅读]面向全局:用于高分辨率遥感图像语义分割的宽上下transforms 一.总体介绍 二.具体作用 3 ...
- AI正在模仿人类大脑!2021年10篇顶会论文:大脑也在「无监督」学习
编辑:桃子 小咸鱼 [导读]神经科学会成为人工智能「超进化」的关键吗?只要模拟大脑,神经网络就可以获得相似或相同的智能.近日,神经科学家Patrick Mineault就2021年无监督学习的大脑模型 ...
- rust主播排行_「Rust日报」2019每周精选 • 第四期
前言: 从2018年开始,我每天会花1个小时关注Rust社区动态,并且在Rust.CC论坛.tg channel.Steemit.GitHub.语雀订阅都开通了Rust日报,分享我每天的见闻,偶尔也夹 ...
- 多维数组的索引与切片_「GCTT 出品」Go 系列教程——11. 数组和切片
Go语言中文网,致力于每日分享编码知识,欢迎关注我,会有意想不到的收获! Go 系列教程是非常棒的一套初学者教程,入门就它了. 「GCTT 出品」Go 系列教程--1. 介绍与安装 「GCTT 出品」 ...
最新文章
- pyg2plot_画图
- 开发微信小程序,100 万开发者都离不开它
- 用shell脚本计算日期的小函数们
- 诚毅学院全国计算机考试,集美大学2017年9月全国计算机等级考试报名时间
- Python__random模块
- [Mac]一些命令技巧
- qmake生成vs2013工程文件
- JFreeChart的简单应用及乱码解决
- zb如何导出自己画的_如何科学管理zb文件
- springboot细节挖掘(jar和war打包)
- 关闭openssh服务_关于redhat7的openssh漏洞升级修复方法
- html2canvas 如何去掉空白区域_在Ai中,如何快速制作牛奶字效果
- NSLocale中常用的语言代码对照表
- AE无法输出h.264 安装Quick time也不好使的办法 本人使用 AE CC2019
- 计算机数制转换操作方法,计算机数制转换新方法
- 3-33在图 3-31中,以太网交换机有6个接口,分别接到5台主机和一个路由器。在下面表中的“动作”一栏中,表示先后发送了4个帧。假定在开始时,以太网交换 机的交换表是空的。试把该表中其他的栏目都填写
- MySQL 简单查询记录(二)
- 技术开发人员为什么会无奈苦逼?
- nokia6闹关机android,诺基亚首款安卓手机为何叫Nokia 6,原因喜人
- java四则运算考试系统_小学生四则运算出题软件-基于java控制台的实现
热门文章
- SQL Server select into 用法
- django中的缓存 单页面缓存,局部缓存,全站缓存 跨域问题的解决
- web应用的负载均衡、集群、高可用(HA)解决方案
- ora-01033:oracle initialization or shutdown in progress 解决方法
- 安装oracle11g client 【INS-30131】执行安装程序验证所需的初始设置失败的解决方法
- 0x0F19B7EC (ucrtbased.dll)处(位于 ex6.exe 中)引发的异常: 0xC0000005: 写入位置 0x00740000 时发生访问冲突。
- charles抓包工具的中文乱码解决方法
- You need to use a Theme.AppCompat theme (or descendant) with this activity解决方法
- Git将主合并到功能分支
- zabbix自动发现规则实现批量监控主机的TCP监听端口