基于铁路图半监督学习利用稀疏乘客报告的列车拥堵预测
机器学习
2024-10-24 v1 人工智能
摘要
预测铁路拥堵对于交通系统中的高效出行至关重要。我们利用通过交通应用程序收集的乘客报告来预测铁路拥堵。尽管乘客报告已引起研究人员的关注，但由于乘客的抵触情绪，确保足够的报告量具有挑战性。有限数量的报告导致拥堵标签稀疏，这可能会成为构建稳定预测模型的问题。为了解决这个问题，我们提出了一种用于列车拥堵预测的半监督方法，即SURCONFORT。我们的关键思想有两个：首先，我们采用半监督学习来利用稀疏标记数据和大量未标记数据。其次，为了补充来自附近车站的未标记数据，我们设计了一个铁路网络导向图，并将该图应用于半监督图正则化。使用实际报告数据的实证实验表明，在标签稀疏的情况下，SURCONFORT比最先进的方法提高了14.9%的预测性能。
引用
@article{arxiv.2410.17510,
title = {Congestion Forecast for Trains with Railroad-Graph-based Semi-Supervised Learning using Sparse Passenger Reports},
author = {Soto Anno and Kota Tsubouchi and Masamichi Shimosaka},
journal= {arXiv preprint arXiv:2410.17510},
year = {2024}
}
备注
Accepted in ACM SIGSPATIAL 2024