一种基于相关信念下最优学习的序贯公交网络设计算法
人工智能
2024-09-04 v2 计算机与社会
摘要
出行服务线路设计需要服务区域内的需求信息才能运营。公交规划者与运营商可获取多种数据源，包括家庭出行调查数据与移动设备位置日志。然而，当以新兴技术部署出行系统时，由于数据有限导致不确定性，需求估计变得更加困难。本研究提出一种人工智能驱动的算法，将序贯公交网络设计与最优学习相结合，以解决有限数据下的运营问题。运营商逐步扩展其线路系统，以避免因设计线路与实际出行需求不一致而带来的风险。同时，观测信息被存档以更新运营商当前使用的知识。算法内比较了三种学习策略：多臂老虎机、知识梯度以及带相关信念的知识梯度。为验证，基于纽约市公共使用微观数据区在一个人工网络上设计了一个新的线路系统。先验知识由区域家庭出行调查数据复现。结果表明，考虑相关性的探索相较于一般的贪婪选择能取得更好性能。在未来工作中，该问题可纳入更多复杂性，如需求对出行时间的弹性、换乘次数无限制以及扩展成本等。
引用
@article{arxiv.2305.09452,
title = {A sequential transit network design algorithm with optimal learning under correlated beliefs},
author = {Gyugeun Yoon and Joseph Y. J. Chow},
journal= {arXiv preprint arXiv:2305.09452},
year = {2024}
}