주제분류
Best논문
매거진(잡지)
저널∙발행기관
크롬 서지관리 다운로드정기구독(개인)
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
회원혜택
로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.
아카루트
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
...
저널정보
- Korean Institute of Information Scientists and Engineers
- Journal of Computing Science and Engineering 학술저널
- Journal of Computing Science and Engineering Vol.14 No.2
- 2020.6 52 - 65 (14page)
- DOI : 10.5626/JCSE.2020.14.2.52
- 이용수
- 내서재
- 0
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.
되었습니다. 내서재에서
삭제되었습니다.
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.
되었습니다. 내서재에서
삭제되었습니다.
초록·키워드
오류제보하기
Many modern portable devices, especially smartphones, are equipped with positioning functionality. The rapid growth in the use of such devices has allowed for the accumulation of a vast amount of positioning data. Combined with deep learning methods, these data may be used for many novel applications. Herein, a trajectory pattern tree generation method via deep learning is proposed. The convolutional neural network (CNN) and recurrent neural network (RNN) model of deep learning were applied for trajectory generation and prediction. Several volunteers provided their raw positioning data. The trajectory generation and prediction are for individual mobility patterns and were performed for every volunteer. We present the results obtained from seven volunteers. The preciseness of prediction can be measured both for CNN and RNN. Consequently, we can predict an individual’s location with 32.98% accuracy, and predict the top-five up to 69.22% for unit area size of 0.030 km².
목차
Abstract
I. INTRODUCTION
II. RELATED WORKS
III. BACKGROUNDS
IV. PREDICTION OF OBJECT’S TRAJECTORY AND CREATION OF TRAJECTORY PATTERN
V. ACCURACY MEASUREMENT OF PREDICTED TRAJECTORY PATTERN
VI. PREPARATION OF EXPERIMENT
VII. RESULTS
VII. CONCLUSIONS
References
참고문헌 (33)
참고문헌 신청
Y. Lee and H. Ko, “Efficient STMPM (spatio-temporal moving pattern mining) using moving sequence tree,” in Proceedings of 2008 4th International Conference on Networked Computing and Advanced Information Management, Gyeongju, South Korea, 2008, pp. 432-437.
H. Y. Song, “Probabilistic space-time analysis of human mobility patterns,” WSEAS Transactions on Computers, vol. 12, pp. 222-238, 2016.
M. Gorawski and P. Jureczek, “Continuous pattern mining using the FCPGrowth algorithm in trajectory data warehouses,” in Hybrid Artificial Intelligence Systems. Heidelberg: Springer, 2010, pp. 187-195.
J. W. Lee, O. H. Paek, and K. H. Ryu, “Temporal moving pattern mining for location-based service,” Journal of Systems and Software, vol. 73, no. 3, pp. 481-490, 2004.
A. Monreale, F. Pinelli, R. Trasarti, and F. Giannotti, “Wherenext: a location predictor on trajectory pattern mining,” in Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Paris, France, 2009, pp. 637-646.
H. Y. Song, “Probabilistic space-time analysis of human mobility patterns,” WSEAS Transactions on Computers, vol. 12, pp. 222-238, 2016.
M. Gorawski and P. Jureczek, “Continuous pattern mining using the FCPGrowth algorithm in trajectory data warehouses,” in Hybrid Artificial Intelligence Systems. Heidelberg: Springer, 2010, pp. 187-195.
J. W. Lee, O. H. Paek, and K. H. Ryu, “Temporal moving pattern mining for location-based service,” Journal of Systems and Software, vol. 73, no. 3, pp. 481-490, 2004.
A. Monreale, F. Pinelli, R. Trasarti, and F. Giannotti, “Wherenext: a location predictor on trajectory pattern mining,” in Proceedings of the 15th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, Paris, France, 2009, pp. 637-646.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
전력 사용량 예측을 위한 RNN 기반의 Deep Learning 모델
제어로봇시스템학회 국내학술대회 논문집
2019.05
-
Effects of CNN Backbone on Trajectory Prediction Models for Autonomous Vehicle
Journal of information and communication convergence engineering
2023.12
-
Prediction Popularity of Video Contents with Deep Recurrent Neural Network
한국정보과학회 학술발표논문집
2017.06
-
Comparative Analysis of PM10 Prediction Performance between Neural Network Models
Journal of information and communication convergence engineering
2021.12
-
Deep Neural Network 기반의 차량 주행 경로 예측
한국자동차공학회논문집
2018.03
-
Particulate Matter Prediction using Recurrent Neural Network
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019.06
-
딥러닝의 모형과 응용사례
지능정보연구
2016.06
-
다양한 심층학습 아키텍처의 부하예측 성능 비교
대한설비공학회 학술발표대회논문집
2022.06
-
학교 실내 PM2.5 농도 예측모델 개발
대한건축학회 학술발표대회 논문집
2021.04
-
Recurrent Neural Network와 GPS데이터를 이용한 이동예측
한국정보과학회 학술발표논문집
2017.06
-
Mesoscale spatial-temporal prediction of monthly streamflow in poorly gauged basins: A case study
대한토목학회 학술대회
2021.10
-
STFT와 RNN을 활용한 화자 인증 모델
정보보호학회논문지
2019.12
-
RNN을 이용한 특허 기술 분류
한국정보과학회 학술발표논문집
2018.12
-
Deep Neural Network 를 이용한 음성 품질 평가에 관한 연구
한국통신학회 학술대회논문집
2017.06
-
Deep Neural Network를 이용한 카메라 기반 차선변경예측 알고리즘
한국통신학회 학술대회논문집
2020.11
-
Design of Artificial Neural Network for Human-Centered Risk Assessment of Highly Automated Driving Vehicle
한국자동차공학회 춘계학술대회
2022.06
-
어텐션 네트워크를 이용한 보행자 경로 예측 방법
대한전자공학회 학술대회
2020.11
-
딥러닝 기반 실시간 미래궤적 예측 시스템
대한전자공학회 학술대회
2022.06
-
Facial Emotion Recognition using Convolutional Neural Network Based on Repetitive Learning Blocks Approach
한국정보과학회 학술발표논문집
2020.07
-
자율주행을 위한 딥러닝기반 주변 차량의 위치예측 기법
한국자동차공학회 추계학술대회 및 전시회
2017.11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-569-000854044
