54、利用可微最短路径预测野生动物贩运路线

利用可微最短路径预测野生动物贩运路线

1. 问题提出

传统的以偷猎为导向的方法主要关注在特定空间位置预测陷阱检测的可能性，以指导护林员在野生动物来源地的巡逻工作。但本文要解决的是更广泛的国际航空运输网络中，学习野生动物贩运者路线选择的全球野生动物贸易问题。

2. 航班行程预测公式化

将预测连接给定源机场 ( s ) 和目标机场 ( d ) 的贩运者航班路径问题，表述为在以有向图 ( G ) 表示的航班网络上，从 ( s ) 到 ( d ) 预测路径的监督学习问题。航班网络 ( G ) 中，机场为节点，航班为有向边，并为节点和边添加与野生动物贸易（WT）相关的特征 ( \varphi ) 。
- 数据收集：从集中的缉获报告数据库中收集 ( N ) 条有真实数据支持的贩运者路径 ( D_{\pi} = { \pi_{s_i, d_i} }_{i = 1}^{N} ) ，并将这些路径编码为航班网络中的路径，可表示为机场节点序列或航班边序列。
- 目标：训练一个模型，根据输入的源 ( s_i ) 、目标 ( d_i ) 、航班网络 ( G ) 和特征 ( \varphi ) ，正确预测观察到的结构化路径 ( \pi_i ) 。

3. 预测模型：边转移估计器

由于网络中可能的简单路径数量随网络规模呈指数增长，无法直接预测单个路径的可能性，因此考虑预测每条边的概率，进而计算路径可能性。
- 建模方法：预测贩运者从给定“当前”节点离开时可能选择的航班边的“转移”概率，将贩运者建模为在航班网络上从源机场到目标机场的有偏随机游走，模型根据边和节点特征学习有偏概率。
- 数学模型：
- 模型目标是找到使用有向边 ( (