一种可扩展且可个性化的多模态出行规划器
人工智能
2019-09-26 v1
摘要
尽管文献与商业领域已有大量工作，当前多模态出行规划方法仍未能稳定生成用户在实践中认为最优的规划。我们认为这是由于当前规划器未能捕捉用户的真实偏好，例如其偏好依赖于未被建模的方面。这方面的一个例子可能是偏好夜间不步行穿过不安全区域。我们提出一种新颖的多模态出行规划器，允许用户上传辅助地理数据（如犯罪率）并就这些数据与时间、代价等典型度量组合指定时序约束与偏好。具体而言，我们的规划器支持步行、骑行、驾车、公共交通与出租车等模式，使用线性时序逻辑刻画时序约束，并使用偏好代价函数表示偏好。我们通过示例表明，这可表达非常有趣的偏好与约束，并自然导出颇为多样的最优规划。
引用
@article{arxiv.1909.11604,
title = {An Extensible and Personalizable Multi-Modal Trip Planner},
author = {Xudong Liu and Christian Fritz and Matthew Klenk},
journal= {arXiv preprint arXiv:1909.11604},
year = {2019}
}
备注
Published in the Proceedings of the 32nd International Florida Artificial Intelligence Research Society Conference, 2019