UniTE: A Survey and Unified Pipeline for Pre-training Spatiotemporal Trajectory Embeddings

要約

時空間軌跡はタイムスタンプ付きの位置のシーケンスであり、これによりさまざまな分析が可能になり、それによって重要な現実世界のアプリケーションが可能になります。
後続の分析の前に、エンベディングと呼ばれるベクトルに軌跡をマッピングするのが一般的です。
したがって、埋め込みの品質は非常に重要です。
ユニバーサル埋め込みをトレーニングするためにラベルのない軌道を活用する、埋め込みを事前トレーニングする方法は、さまざまなタスクにわたって有望な適用性を示しており、かなりの関心を集めています。
しかし、このテーマに関する研究の進展は、2 つの重要な課題に直面しています。1 つは、既存の手法の包括的な概要が不足しており、その結果、いくつかの関連手法が十分に認識されていないことです。もう 1 つは、統一されたパイプラインがないため、新しい手法の開発と分析が複雑になっています。
メソッドの。
このドメインの調査と統合パイプラインである UniTE を紹介します。
そうすることで、明示的または暗黙的に事前トレーニング技術を採用する方法を含む、事前トレーニング軌道埋め込みのための既存の方法の包括的なリストを提示します。
さらに、公開されている基礎となるコードを備えた統合されたモジュール式パイプラインを提示し、事前トレーニング軌跡の埋め込みのためのメソッドの構築と評価のプロセスを簡素化します。
さらに、実世界のデータセットで提案されたパイプラインを使用した実験結果の選択に貢献します。
パイプラインの実装は https://github.com/Logan-Lin/UniTE で公開されています。

要約(オリジナル)

Spatiotemporal trajectories are sequences of timestamped locations, which enable a variety of analyses that in turn enable important real-world applications. It is common to map trajectories to vectors, called embeddings, before subsequent analyses. Thus, the qualities of embeddings are very important. Methods for pre-training embeddings, which leverage unlabeled trajectories for training universal embeddings, have shown promising applicability across different tasks, thus attracting considerable interest. However, research progress on this topic faces two key challenges: a lack of a comprehensive overview of existing methods, resulting in several related methods not being well-recognized, and the absence of a unified pipeline, complicating the development of new methods and the analysis of methods. We present UniTE, a survey and a unified pipeline for this domain. In doing so, we present a comprehensive list of existing methods for pre-training trajectory embeddings, which includes methods that either explicitly or implicitly employ pre-training techniques. Further, we present a unified and modular pipeline with publicly available underlying code, simplifying the process of constructing and evaluating methods for pre-training trajectory embeddings. Additionally, we contribute a selection of experimental results using the proposed pipeline on real-world datasets. Implementation of the pipeline is publicly available at https://github.com/Logan-Lin/UniTE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google