注意力模型在个体出行预测中可解释性研究

摘要：

针对个体出行预测模型缺乏可解释性的问题,文中采用深度注意力模型进行个体出行预测,并通过单一和一组注意力权重擦除的方法,对个体出行预测的深度注意力模型进行可解释性探索.在注意力权重擦除实验中,使用决策翻转的指标来量化注意力权重擦除前后模型预测结果的变化.在实例分析中,选取广州地铁羊城通的刷卡记录构造三种不同长度的出行序列数据集,并将出行预测任务具体定义为目的地预测.在单一注意力权重擦除实验中,擦除最大注意力权重比擦除随机注意力权重对模型预测影响更大,但仍有大部分样本没有发生决策翻转.在一组注意力权重擦除实验中,较大注意力权重作为输入的出行记录,对模型预测会产生更重要的影响,并且模型对重要的出行记录分配注意力权重的过程是稳定的.

关键词：个体出行预测、注意力模型、权重擦除、可解释性、深度学习、模型决策翻转、公共交通

所属期刊栏目：45

分类号：TN919-34

资助基金：国家自然科学基金51578247

在线出版日期：2022-07-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186