面向时空交通服务管理的数据驱动区域生成框架
机器学习
2023-06-06 v1 数据库
摘要
MAUP（可变面元问题）是空间数据管理与分析的一个基本问题。作为 MAUP 在在线交通平台中的具体体现，区域生成（即为服务运营指定面元）是支撑拼车、货运等时空交通服务的首要且关键的一步。现有大多数区域生成方法为人工指定（如固定尺寸网格），存在空间语义性差、难以灵活满足服务运营需求的问题。本文提出 RegionGen，一种数据驱动的区域生成框架，通过将区域生成建模为多目标优化问题，生成具备关键特征（如良好空间语义性、可预测性）的区域。首先，为获得良好空间语义性，RegionGen 基于路网与障碍物（如河流）将整个城市分割为原子空间单元。随后，通过最大化多种运营特征将原子空间单元聚为区域，该过程被表述为多目标优化问题。针对此优化问题，我们提出一种多目标协同优化算法。大量实验验证，相比传统方法，RegionGen 能为时空服务管理生成更合适的区域。
引用
@article{arxiv.2306.02806,
title = {A Data-driven Region Generation Framework for Spatiotemporal Transportation Service Management},
author = {Liyue Chen and Jiangyi Fang and Zhe Yu and Yongxin Tong and Shaosheng Cao and Leye Wang},
journal= {arXiv preprint arXiv:2306.02806},
year = {2023}
}