Centre de documentation
scientifique

MTLM: a multi-task learning model for travel time estimation / Saijun Xu in Geoinformatica, vol 26 n° 2 (April 2022)  

Public [article]  inGeoinformatica > vol 26 n° 2 (April 2022) . - pp 379 - 395 Titre : MTLM: a multi-task learning model for travel time estimation Type de document : Article/Communication Auteurs : Saijun Xu, Auteur ; Ruoqian Zhang, Auteur ; Wanjun Cheng, Auteur ; Jiajie Xu, Auteur Année de publication : 2022 Article en page(s) : pp 379 - 395 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] analyse coût-avantage [Termes IGN] apprentissage automatique [Termes IGN] données d'entrainement (apprentissage automatique) [Termes IGN] durée de trajet [Termes IGN] modèle de simulation [Termes IGN] transport collectif [Termes IGN] transport intermodal Résumé : (auteur) Travel time estimation (TTE) is an important research topic in many geographic applications for smart city research. However, existing approaches either ignore the impact of transportation modes, or assume the mode information is known for each training trajectory and the query input. In this paper, we propose a multi-task learning model for travel time estimation called MTLM, which recommends the appropriate transportation mode for users, and then estimates the related travel time of the path. It integrates transportation-mode recommendation task and travel time estimation task to capture the mutual influence between them for more accurate TTE results. Furthermore, it captures spatio-temporal dependencies and transportation mode effect by learning effective representations for TTE. It combines the transportation-mode recommendation loss and TTE loss for training. Extensive experiments on real datasets demonstrate the effectiveness of our proposed methods. Numéro de notice : A2022-325 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : https://doi.org/10.1007/s10707-020-00422-x Date de publication en ligne : 15/08/2020 En ligne : https://doi.org/10.1007/s10707-020-00422-x Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100488 [article]