STF-RNN: Rede Neural Recorrente Baseada em Recursos Espaciais e Temporais para prever a próxima localização das pessoas

Este artigo propõe um modelo inovador chamado Rede Neural Recorrente Baseada em Recursos Espaciais e Temporais (STF-RNN) para prever o próximo movimento das pessoas com base em padrões de mobilidade obtidos a partir dos registros de dispositivos GPS. Duas características principais estão envolvidas nas operações do modelo, a saber, o espaço que é extraído dos dados GPS coletados e também o tempo que é extraído dos timestamps associados. A representação interna das características de espaço e tempo é extraída automaticamente no modelo proposto, em vez de depender de representação artesanal. Isso permite que o modelo descubra o conhecimento útil sobre o comportamento das pessoas de forma mais eficiente. Devido à capacidade da estrutura RNN de representar sequências, ela é utilizada no modelo proposto para acompanhar o histórico de movimento do usuário. Essas trilhas ajudam o modelo a descobrir dependências mais significativas e, como consequência, a melhorar o desempenho do modelo. Os resultados mostram que o modelo STF-RNN proporciona boas melhorias na previsão da próxima localização das pessoas em comparação com os modelos de ponta quando aplicado a um grande conjunto de dados da vida real do projeto Geo-life.