PulseAugur
中
实时 15:11:09
English(EN) TrajTok: Adaptive Spatial Tokenization for Trajectory Representation Learning

TrajTok从GPS数据中学习可迁移的轨迹嵌入

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TrajTok，一种从GPS数据中学习可泛化轨迹表示的新颖方法。该系统通过采用多分辨率六边形单元划分将GPS序列转换为离散标记，解决了连续、噪声和不规则采样数据带来的挑战。TrajTok利用因子化Transformer编码器，结合专门的注意力层和时空旋转位置嵌入，来编码这些标记的位置和时间。TrajTok使用掩码标记建模方法进行预训练，在各种轨迹相关任务中表现出色，表明其作为轨迹数据的通用基础模型的潜力。 AI

影响 引入了一种新的轨迹数据基础模型方法，可能改进相似性搜索和ETA预测等下游应用。

排序理由 介绍轨迹表示学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TrajTok从GPS数据中学习可迁移的轨迹嵌入

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Cyrus Shahabi ·

    TrajTok：轨迹表示学习的自适应空间标记化

    Learning generalizable trajectory representations from raw GPS traces remains difficult because the data is continuous, noisy, and irregularly sampled. Spatial tokenization is also challenging: fine grids yield sparse cells with weak embeddings, while coarse grids merge heterogen…

相关实体

相关话题