DutyTTE：解读起降点旅行时间估计中的不确定性
人工智能
2025-01-22 v2
摘要
旅行时间估计（TTE）中的不确定性量化旨在给定起点（O）、终点（D）和出发时间（T）的情况下，估计旅行时间的置信区间。准确量化此不确定性需要生成最可能的路径并评估沿路径的旅行时间不确定性。这涉及两个主要挑战：1）预测与真实值一致的路径，以及2）在不同条件下建模每段旅行时间对整体不确定性的影响。我们提出DutyTTE以解决这些挑战。对于第一个挑战，我们引入一种深度强化学习方法来提高预测路径与真实值的对齐度，提供更准确的旅行时间信息。对于第二个挑战，我们提出一种受引导的混合专家不确定性量化机制，以更好地捕捉特定情境下每段旅行时间的不确定性。此外，我们使用Hoeffding上置信界进行结果校准，以为估计的置信区间提供统计保证。在两个真实世界数据集上的大量实验表明，我们所提方法优越。
引用
@article{arxiv.2408.12809,
title = {DutyTTE: Deciphering Uncertainty in Origin-Destination Travel Time Estimation},
author = {Xiaowei Mao and Yan Lin and Shengnan Guo and Yubin Chen and Xingyu Xian and Haomin Wen and Qisen Xu and Youfang Lin and Huaiyu Wan},
journal= {arXiv preprint arXiv:2408.12809},
year = {2025}
}
备注
7 pages