交通活动识别模型

多特征三维融合

将统计特征与时空特征并行提取并融合，实现对多样化交通活动模式的鲁棒表示。

刘静 · 刘洋 · Wei, Zhu · Zhu, Xiaoguang · 宋梁

Pattern Recognition 2023

技术优势

自动提取三类特征

DSTRR 无需人工构造特征，直接学习统计、空间和时间表示，降低了对领域知识的依赖。

参数鲁棒

模型在宽范围的参数变化下保持稳定性能，减少了调参负担。

应用场景

• 智能交通系统：为城市交通规划提供精细的出行模式识别，支撑需求预测和服务优化。
• 城市计算：将移动传感数据转化为活动语义，辅助城市感知和资源调度。
• 移动行为分析：从手机传感器中识别用户出行方式，支撑个性化服务和行为研究。
• 驾驶行为分析：区分驾驶与其他活动，为驾驶行为建模提供输入。