基于用户偏好和行为的 trip 路线规划与旅行时间估计系统性十年回顾
人工智能
2025-04-01 v1
摘要
本文系统性地探索了基于人工智能 (AI) 的自适应 trip 路线规划与旅行时间估计 (TTE) 的最新进展。随着城市交通系统复杂度的增加，传统导航方法往往难以适应动态用户偏好、实时交通条件以及可扩展性要求。本研究探讨了包括机器学习 (ML)、强化学习 (RL) 和图神经网络 (GNN) 等已建立 AI 技术，以及元学习、可解释 AI (XAI)、生成式 AI 和联邦学习等新兴方法的贡献。除了强调这些创新之外，本文还识别了诸如伦理问题、计算可扩展性和有效数据集成等关键挑战，这些挑战必须予以克服才能推动该领域的发展。本文以构建高效、透明和可持续导航系统的建议，概括了利用 AI 的方法。
引用
@article{arxiv.2503.23486,
title = {A Systematic Decade Review of Trip Route Planning with Travel Time Estimation based on User Preferences and Behavior},
author = {Nikil Jayasuriya and Deshan Sumanathilaka},
journal= {arXiv preprint arXiv:2503.23486},
year = {2025}
}
备注
6 pages, 2 figures, 1 table