BISTRO：伯克利交通优化集成系统
计算机与社会
2020-01-23 v2 多智能体系统
摘要
本文介绍了 BISTRO，一个新的开源交通规划决策支持系统，该系统使用基于智能体的仿真与优化方法，以预测并为可能的技术中断和增长情景制定自适应计划。该新框架在 Uber Technologies, Inc. 举办的一场机器学习竞赛中进行了评估，超过 400 名工程师和数据科学家参与了该竞赛。为了本次竞赛，基于南达科他州苏福尔斯市的基准模型被适配到 BISTRO 框架中。本研究的一项重要发现是，尽管在竞赛前进行了严格的分析与测试，得分最高的两支队伍发现了搜索空间中的一个无界区域，导致这些解在决策支持目的上很大程度上不可解释。另一方面，一项旨在修正目标函数的后续研究证明了 BISTRO 作为人在回路网络物理系统的效用：该系统使用基于情景的优化算法作为反馈机制，协助城市规划者迭代地细化目标函数与干预策略的约束规范，使得最终选定的交通干预策略备选方案组合能够实现通过参与式利益相关者参与实践制定的高层次区域规划目标。
引用
@article{arxiv.1908.03821,
title = {BISTRO: Berkeley Integrated System for Transportation Optimization},
author = {Sidney A. Feygin and Jessica R. Lazarus and Edward H. Forscher and Valentine Golfier-Vetterli and Jonathan W. Lee and Abhishek Gupta and Rashid A. Waraich and Colin J. R. Sheppard and Alexandre M. Bayen},
journal= {arXiv preprint arXiv:1908.03821},
year = {2020}
}