京东数科JUST技术:利用迁移学习生成新城市的轨迹( 三 )
文章插图
文章插图
图8展示了起终点生成的准确度 , 其中MMD越小越好 , 并对比了不通过域泛化(No Adpt. )的方法 。 作者发现 , 通过域泛化 , 能明显提高生成的效果;并且 , 源城市与目标城市的组合也对生成结果也有明显影响 。 比如 , 图8a中 , 朝阳成都-合肥的泛化效果非常好 , 而成都合肥-朝阳的效果较差 。 作者猜测这与城市的发展程度导致的出行多样化程度有关 。
文章插图
图 8
图9展示了路线偏好模型的实验结果 。 并对比了前m短路线(mSP)和基于本城市数据的模型(Ours-T2T)这两个基准线方法 。 作者发现 , 通过设定候选路线的重叠阈值 , 可以明显提高准确度 , 这是因为前m短非重叠路线可以更好地覆盖真实轨迹;另外 , 无论采用哪个城市的数据进行路线偏好训练得到的模型 , 都与本城市数据训练得到的模型结果相近(图9d) , 说明各个城市的路线偏好具有相似性 。 由于m值的增加可以提高准确度 , 却会使得前m短路线计算时间增加 , 作者还测试了m值的选取对准确度、时间性能的影响 , 发现在m=5时 , 可以取得准确度和时间性能的最好折中(图9e) 。
文章插图
【京东数科JUST技术:利用迁移学习生成新城市的轨迹】图 9
作者以雄安容城作为案例分析地点 。 在获取了该区域的POI、路网、交通数据后 , 以北京成都为源城市训练模型 , 并生成容城的轨迹数据 。 图10展示了生成的轨迹与实地考察结果 。 分析当时 , 容城的主要居住娱乐区域集中于市中心(图10de) , 周围老住宅和工厂环绕(图10a) 。 说明了考察地点人群流动情况与生成结果有较好的符合度 。
文章插图
图 10
论文链接:
论文PPT:
推荐阅读
- 曾被京东物流效仿,让雷军花1亿拯救,如今欠7000万彻底出局
- 离开华为的新荣耀枯木难支?首款手机就被冷落,京东预约数太难看
- 徐福记联手JDL京东物流向数智化转型,首次落地智慧园区项目
- 多家快递暂停发往河北省快件,顺丰表示先暂停三天,京东小程序已无法下单
- 传统烟酒店难做?他加入京东便利名酒荟后一路“开挂”
- 京东PLUS超级联名卡:价值1608元只需218元、送5斤车厘子
- 盒马鲜生、京东超级体验店,明年会在郑州开店吗?| 提问2021
- 两全其美的绝佳选择!1.2-1.8京东PLUS会员年度盛典开启
- 京东7FRESH迎来彻底变革
- 检测|京东健康核酸检测预约服务升级:支持上门检测、团体检测、食品检测