시공간 데이터 마이닝을 위한 딥 러닝: 조사

GPS(글로벌 위치 시스템)와 같은 다양한 위치 결정 기술, 모바일 장치 및 원격 감지의 빠른 발전으로 인해 시공간 데이터는 요즘 점점 더 많이 사용되고 있습니다. 시공간 데이터에서 귀중한 지식을 추출하는 것은 인간 이동 이해, 스마트 교통, 도시 계획, 공공 안전, 건강 관리 및 환경 관리와 같은 많은 실제 응용 프로그램에 critically 중요합니다. 시공간 데이터의 수, 양 및 해상도가 급속히 증가함에 따라, 전통적인 데이터 마이닝 방법, 특히 이러한 데이터를 처리하기 위한 통계 기반 방법이 overwhelmed되고 있습니다. 최근 회귀 신경망(RNN) 및 컨볼루션 신경망(CNN)과 같은 딥 러닝 모델이 자동 특성 표현 학습의 강력한 능력 덕분에 많은 분야에서 탁월한 성공을 거두었으며, 예측 학습, 이상 탐지 및 분류와 같은 다양한 시공간 데이터 마이닝(STDM) 작업에도 널리 적용되고 있습니다. 본 논문에서는 STDM을 위해 딥 러닝 기술을 적용하는 최근의 진전을 포괄적으로 검토합니다. 먼저 시공간 데이터를 다섯 가지 다른 유형으로 분류하고, STDM에서 널리 사용되는 딥 러닝 모델을 간략하게 소개합니다. 다음으로, 기존 문헌을 시공간 데이터 유형, 데이터 마이닝 작업 및 딥 러닝 모델에 따라 분류하고, 마지막으로 교통, 주문형 서비스, 기후 및 날씨 분석, 인간 이동, 위치 기반 소셜 네트워크, 범죄 분석 및 신경 과학을 포함한 다양한 분야에서 STDM을 위한 딥 러닝의 응용을 다룹니다. 마지막으로 현재 연구의 한계를 결론짓고 향후 연구 방향을 제시합니다.