본 논문은 스마트폰으로부터 수집한 gps 정보를 기반으로 사용자 개인의 경로 모델을 자동으로 학습하는 기법에 대해 설명한다. 스마트폰의 gps는 수신이 불안정하여, gps좌표 이력을 기반으로 사용자의 모든 목적지나 경로를 정확하게 파악하는데 어려움이 따른다. 이에 본 논문은 세 가지 부분에 초점을 맞추어 서술하였다. 먼저, 사용자 경로 정보를 확률 모델로 표현한 동적 베이지안 망에 대해 설명하고, 두 번째, 관심 지점과 이동 구간 군집화 과정을 통해 전체 훈련데이터를 정상 gps 궤적과 비정상 gps 궤적으로 구분한 다음, 정상 gps 궤적으로부터 초기 사용자 경로 모델을 추출하기 위한 방법에 대해 소개한 후, 마지막으로 초기 경로 모델을 바탕으로 예측-최대화(expectation maximization) 알고리즘을 적용하여 훈련데이터 전체를 대상으로 스마트폰 사용자의 개인 경로에 대한 확률 모델을 학습하는 방법에 대해 설명한다. 본 논문에서 제안하는 방식을 통해 학습된 경로 모델은 사용자의 현재 또는 향후 위치나 이동 경로를 효과적으로 예측하기 위한 자료로 제공되기 때문에 다양한 위치 기반 지능형 서비스에 이용 가능하다.
본 논문은 스마트폰으로부터 수집한 gps 정보를 기반으로 사용자 개인의 경로 모델을 자동으로 학습하는 기법에 대해 설명한다. 스마트폰의 gps는 수신이 불안정하여, gps좌표 이력을 기반으로 사용자의 모든 목적지나 경로를 정확하게 파악하는데 어려움이 따른다. 이에 본 논문은 세 가지 부분에 초점을 맞추어 서술하였다. 먼저, 사용자 경로 정보를 확률 모델로 표현한 동적 베이지안 망에 대해 설명하고, 두 번째, 관심 지점과 이동 구간 군집화 과정을 통해 전체 훈련데이터를 정상 gps 궤적과 비정상 gps 궤적으로 구분한 다음, 정상 gps 궤적으로부터 초기 사용자 경로 모델을 추출하기 위한 방법에 대해 소개한 후, 마지막으로 초기 경로 모델을 바탕으로 예측-최대화(expectation maximization) 알고리즘을 적용하여 훈련데이터 전체를 대상으로 스마트폰 사용자의 개인 경로에 대한 확률 모델을 학습하는 방법에 대해 설명한다. 본 논문에서 제안하는 방식을 통해 학습된 경로 모델은 사용자의 현재 또는 향후 위치나 이동 경로를 효과적으로 예측하기 위한 자료로 제공되기 때문에 다양한 위치 기반 지능형 서비스에 이용 가능하다.
In this paper, we present a method for learning a personal route model from the GPS logs of a user's smartphone. The GPS signals of a smartphone are highly unstable; hence, it is difficult to correctly determine a user's destinations and routes from the GPS logs of his/her smartphone. We overcome th...
In this paper, we present a method for learning a personal route model from the GPS logs of a user's smartphone. The GPS signals of a smartphone are highly unstable; hence, it is difficult to correctly determine a user's destinations and routes from the GPS logs of his/her smartphone. We overcome this problem by adopting three approaches. First, a dynamic Bayesian network is used to represent user route information as a probabilistic model. Second, normal and abnormal GPS trajectories are distinguished from training data on the basis of points of interest (POIs) and trip clustering, and an initial route model is developed using the normal GPS trajectories. Finally, a probabilistic model for a smartphone user's personal routes is learned from training data by adapting the expectation-maximization algorithm (EM) based on the initial route model. The learned model can be applied to location-based intelligent services as it provides data for predicting a user's current (or future) locations and trips.
In this paper, we present a method for learning a personal route model from the GPS logs of a user's smartphone. The GPS signals of a smartphone are highly unstable; hence, it is difficult to correctly determine a user's destinations and routes from the GPS logs of his/her smartphone. We overcome this problem by adopting three approaches. First, a dynamic Bayesian network is used to represent user route information as a probabilistic model. Second, normal and abnormal GPS trajectories are distinguished from training data on the basis of points of interest (POIs) and trip clustering, and an initial route model is developed using the normal GPS trajectories. Finally, a probabilistic model for a smartphone user's personal routes is learned from training data by adapting the expectation-maximization algorithm (EM) based on the initial route model. The learned model can be applied to location-based intelligent services as it provides data for predicting a user's current (or future) locations and trips.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.