BriefGPT - AI 论文速递
·
WTTFNet：城市复杂环境中行人轨迹预测的气象 - 时间 - 轨迹融合网络
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
通过融合天气和时间等信息，提出了一种新的天气-时间-轨迹融合网络 (WTTFNet)，用于改进深度神经网络架构，提高对行人目的地和轨迹的准确性。该方法在实验中表现出23.67％的分类准确度提高，平均和最终位移误差分别降低了9.16％和7.07％。可应用于行人设施工程、公共空间开发和技术驱动的零售等众多应用。
🎯
关键要点
- 提出了一种新的天气-时间-轨迹融合网络 (WTTFNet)。
- 该网络通过融合天气和时间等信息，改进深度神经网络架构。
- 采用联合损失函数和基于聚焦损失来优化深度轨迹特征和分类器。
- 实验结果显示分类准确度提高了23.67%。
- 平均和最终位移误差分别降低了9.16%和7.07%。
- 该方法适用于行人设施工程、公共空间开发和技术驱动的零售等应用。
🏷️
标签
➡️
