[论文解读] Activity recognition for a smartphone and web based travel survey

Youngsung Kim, Francisco C. Pereira+4 more|arXiv (Cornell University)|Feb 12, 2015

Human Mobility and Location-Based Analysis参考文献 23被引用 6

一句话总结

本文提出了一种集成学习模型，通过基于网络的出行调查中智能手机感知的移动数据，推断人类活动类型，利用时空特征、兴趣点（Points of Interest）以及跨用户和用户特定的社会人口统计数据。该模型通过融合在不同用户群体上训练的多个分类器，并逐步整合个体用户的历史数据，实现了更优的泛化能力和更高的准确性，尤其在未见过的用户上表现更佳，且随着训练数据的积累，性能持续提升。

ABSTRACT

In transport modeling and prediction, trip purposes play an important role since mobility choices (e.g. modes, routes, departure times) are made in order to carry out specific activities. Activity based models, which have been gaining popularity in recent years, are built from a large number of observed trips and their purposes. However, data acquired through traditional interview-based travel surveys lack the accuracy and quantity required by such models. Smartphones and interactive web interfaces have emerged as an attractive alternative to conventional travel surveys. A smartphone-based travel survey, Future Mobility Survey (FMS), was developed and field-tested in Singapore and collected travel data from more than 1000 participants for multiple days. To provide a more intelligent interface, inferring the activities of a user at a certain location is a crucial challenge. This paper presents a learning model that infers the most likely activity associated to a certain visited place. The data collected in FMS contain errors or noise due to various reasons, so a robust approach via ensemble learning is used to improve generalization performance. Our model takes advantage of cross-user historical data as well as user-specific information, including socio-demographics. Our empirical results using FMS data demonstrate that the proposed method contributes significantly to our travel survey application.

研究动机与目标

• 为解决传统访谈式出行调查存在的数据质量低和活动建模样本量不足的局限性。
• 通过机器学习自动化活动标注，减轻交互式出行调查中用户的负担。
• 通过结合空间、时间与上下文特征，提升在真实世界噪声数据中的活动识别准确性。
• 通过融合用户内与用户间数据（包括社会人口统计特征），增强模型的泛化能力。
• 评估累积训练数据对已见与未见用户模型性能的影响。

提出的方法

• 通过Voronoi图实现空间量化，以处理真实数据中的GPS噪声与空间不确定性。
• 从位置、一天中的时间、转换情境（如出行方式）以及环境情境（如兴趣点）中提取预测特征。
• 采用集成学习框架，结合在不同用户群体及用户特定数据上训练的多个基分类器，以提升鲁棒性。
• 融合来自跨用户历史数据与用户特定数据的预测结果，社会人口统计信息作为个性化关键输入。
• 采用顺序学习方法，在新数据到达时评估模型性能，模拟实际部署中的增量训练。
• 该框架支持逐点分类（每个停靠点的分类），并可未来扩展至基于序列的模型（如HMMs或CRFs）。

实验结果

研究问题

• RQ1 跨用户历史数据与用户特定信息的整合如何影响活动识别的准确性？
• RQ2 与仅使用跨用户数据相比，从用户自身历史数据中学习在多大程度上提升了分类性能？
• RQ3 随着单个用户训练天数的增加，模型性能如何演变？
• RQ4 空间量化方法在处理GPS噪声与位置不确定性方面有何影响？
• RQ5 社会人口统计特征的引入在多大程度上增强了模型在不同用户类型间的泛化能力？

主要发现

• 当使用跨用户数据与社会人口统计信息进行训练时，未见过用户的分类准确率高于已见用户，原因在于前者的训练数据量更大。
• 对于未见过的用户，随着用户特定训练天数的增加，测试准确率显著提升，体现出个性化学习的价值。
• 未见用户的平均分类准确率随着用户特定训练天数的增加而稳步上升，且随着训练数据的积累，性能出现明显改善。
• 测试准确率曲线在第5天出现性能下降，归因于每用户测试样本比例升高，导致更多异常或罕见活动模式被纳入。
• 通过融合在不同用户群体上训练的多个分类器，模型实现了更好的泛化能力，优于单一分类器的学习效果。
• 结果证实，用户特定学习可提升准确性，且模型在顺序数据摄入下表现出稳健性与可扩展性。