[论文解读] Transportation Modes Classification Using Feature Engineering

Mohammad Etemad|arXiv (Cornell University)|Jul 28, 2018

Human Mobility and Location-Based Analysis参考文献 46被引用 4

一句话总结

本文提出了一种基于特征工程的框架，用于从GPS轨迹中分类交通方式，采用包装器特征选择与交叉验证以优化性能。其准确率优于深度学习基线模型，但去除真实标签噪声需依赖测试标签，限制了实际应用。

ABSTRACT

Predicting transportation modes from GPS (Global Positioning System) records is a hot topic in the trajectory mining domain. Each GPS record is called a trajectory point and a trajectory is a sequence of these points. Trajectory mining has applications including but not limited to transportation mode detection, tourism, traffic congestion, smart cities management, animal behaviour analysis, environmental preservation, and traffic dynamics are some of the trajectory mining applications. Transportation modes prediction as one of the tasks in human mobility and vehicle mobility applications plays an important role in resource allocation, traffic management systems, tourism planning and accident detection. In this work, the proposed framework in Etemad et al. is extended to consider other aspects in the task of transportation modes prediction. Wrapper search and information retrieval methods were investigated to find the best subset of trajectory features. Finding the best classifier and the best feature subset, the framework is compared against two related papers that applied deep learning methods. The results show that our framework achieved better performance. Moreover, the ground truth noise removal improved accuracy of transportation modes prediction task; however, the assumption of having access to test set labels in pre-processing task is invalid. Furthermore, the cross validation approaches were investigated and the performance results show that the random cross validation method provides optimistic results.

研究动机与目标

• 解决使用传统机器学习从GPS轨迹数据中准确分类交通方式的挑战。
• 通过包装器搜索与信息检索方法，选择最优轨迹特征以提升分类性能。
• 研究真实标签噪声去除对模型准确率的影响，承认其依赖于带标签的测试数据。
• 评估交叉验证策略，以避免在轨迹分类任务中产生过于乐观的性能估计。

提出的方法

• 应用包装器特征选择，从GPS记录中识别最具预测性的轨迹特征子集。
• 使用信息检索技术，根据特征与交通方式预测的相关性对特征进行排序与选择。
• 在选定的特征子集上训练并评估多种分类器，以确定最优组合。
• 实施带随机打乱的交叉验证，以评估模型鲁棒性，同时识别结果中潜在的过拟合问题。
• 在预处理阶段集成真实标签噪声去除，假设可访问带标签的测试数据——此为实际部署的限制。
• 将最终框架的性能与相关文献中两种基于深度学习的方法进行对比。

实验结果

研究问题

• RQ1 精心设计的特征集是否能在GPS轨迹的交通方式分类中超越深度学习模型？
• RQ2 真实标签噪声去除如何影响交通方式预测的准确率？其实际限制是什么？
• RQ3 哪种交叉验证策略能为基于轨迹的分类任务提供最可靠的性能估计？
• RQ4 何种特征与分类器的最优组合可最大化交通方式检测的预测准确率？

主要发现

• 所提出的特征工程框架在分类准确率上优于相关工作中报告的两种基于深度学习的方法。
• 真实标签噪声去除提升了预测准确率，但需要访问测试集标签，使其在实际部署中不切实际。
• 随机交叉验证产生了过于乐观的性能估计，提示在轨迹数据模型评估中需保持谨慎。
• 包装器特征选择有效识别出一组高性能的轨迹特征，增强了模型泛化能力。
• 本研究强调了数据质量与评估方法在基于轨迹的机器学习任务中的重要性。
• 结果表明，在此特定应用领域中，传统机器学习结合强大的特征工程可优于深度学习。