面向COVID-19大流行的协同城市数字孪生：一种联邦学习解决方案
机器学习
2020-11-06 v1 人工智能
计算机与社会
摘要
本工作中，我们提出一种基于联邦学习（FL）的协同城市数字孪生（DT），这是一种允许多个城市DT及时共享本地策略与状态的新范式。具体而言，一个FL中央服务器管理多个协作者（城市DT）的本地更新，提供在多个城市DT系统上经多轮迭代训练的全局模型，直至模型获取各类应对方案与感染趋势间的关联。这意味着，基于FL技术的协同城市DT范式可从多个DT中获取知识与模式，最终建立城市危机管理的“全局视角”。同时，它也有助于在不违反隐私规则的前提下，通过整合其他DT各自数据来改进每个城市数字孪生自身。为验证所提方案，我们以COVID-19大流行作为案例研究。在含不同应对方案的真实数据集上的实验结果验证了所提方案并展示了优越性能。
引用
@article{arxiv.2011.02883,
title = {Collaborative City Digital Twin For Covid-19 Pandemic: A Federated Learning Solution},
author = {Junjie Pang and Jianbo Li and Zhenzhen Xie and Yan Huang and Zhipeng Cai},
journal= {arXiv preprint arXiv:2011.02883},
year = {2020}
}
备注
8 pages