路线推荐综述：方法、应用与机遇

Shiming Zhang; Zhipeng Luo; Li Yang; Fei Teng; Tianrui Li

路线推荐综述：方法、应用与机遇

人工智能 2024-04-09 v2 机器学习

作者: Shiming Zhang , Zhipeng Luo , Li Yang , Fei Teng , Tianrui Li

摘要

如今，随着先进信息技术在城市范围内的部署，海量数据和强大的计算资源正在使现代城市发展智能化。作为智能交通的重要组成部分，路线推荐及其应用被广泛使用，直接影响着市民的出行习惯。基于大数据（可能是多模态的）开发智能高效的出行路线已成为路线推荐研究的核心挑战。我们的综述提供了基于城市计算的路线推荐工作的全面回顾。其组织如下三个部分：1) 方法论方面。我们对大量的传统机器学习和现代深度学习方法进行了分类。此外，我们讨论了它们的历史关系并揭示了前沿进展。2) 应用方面。我们展示了城市计算场景中众多与路线推荐相关的新型应用。3) 我们讨论了当前的问题与挑战，并展望了几个有前景的研究方向。我们相信，本综述能帮助相关研究人员快速熟悉路线推荐研究的现状，并引导他们关注未来的研究趋势。

关键词

路线推荐城市计算智能交通机器学习深度学习多模态数据综述

引用

@article{arxiv.2403.00284,
  title  = {A Survey of Route Recommendations: Methods, Applications, and Opportunities},
  author = {Shiming Zhang and Zhipeng Luo and Li Yang and Fei Teng and Tianrui Li},
  journal= {arXiv preprint arXiv:2403.00284},
  year   = {2024}
}

备注

24 pages, 13 figures

路线推荐综述：方法、应用与机遇

摘要

关键词

引用

备注

相关论文