地理知识图谱增强与多时空条件约束的轨迹预测

• 全文链接
• 请求原文

作   者：

李佳;  李静;  刘海砚;  陆川伟;  陈晓慧;  刘俊楠;  石文; 

作者机构：

信息工程大学数据与目标工程学院;  郑州大学地球科学与技术学院;  中国科学院空天信息创新研究院; 

关键词：

地理知识图谱;  轨迹预测;  社交媒体;  多时空约束;  多源地理信息; 

期刊名称：

测绘学报

i s s n：

1001-1595

年卷期：

2024 年 53 卷 010 期

页   码：

2021-2033

摘   要：

基于机器学习的轨迹预测方法通常依赖历史轨迹数据的数量和质量，而社交媒体签到数据更新频率低，形成的轨迹稀疏，在预测中易出现难学习、过拟合等问题。为突破低质量轨迹数据在预测任务中的限制，本文提出一种基于地理知识图谱增强与多时空约束条件建模的轨迹预测方法。将复杂异构的多源地理信息结构化为由若干三元组构成的地理知识图谱进行统一表达，并通过知识表示模型挖掘其中语义关联来增强轨迹序列的向量表征，同时采用具有多重时空约束条件的多头自注意力机制提取稀疏轨迹序列中的多重时空特征，从而提升轨迹预测精度。研究采用纽约市Foursquare社交媒体签到数据进行方法验证，试验结果表明：本文方法相较于其他表示学习方法和轨迹预测方法，在命中率和平均倒数排名两个评价指标上均有不同程度的提升，能够有效增强稀疏轨迹序列的表征，提取轨迹的多重时空特征，提高社交媒体用户签到轨迹的预测精度。