基于中国武汉出租车 GPS 数据的网络学习实证验证
物理与社会
2021-09-30 v2 机器学习
机器学习
摘要
在先前研究中，开发了一种统计代价低廉的方法，仅使用少数几组智能体即可监测交通网络性能，而无需预测总体流量。本研究利用来自中国武汉市的出租车 GPS 探测数据验证了这一“多智能体逆优化”方法。利用受控的 2062 链路网络环境与不同的 GPS 数据处理算法，基于真实数据在 4 小时时段内模拟了在线监测环境。结果表明，仅使用来自一个 OD 对的样本，多智能体逆优化方法即可学习网络参数，使得预测的行程时间与观测行程时间的相关性为 0.23。通过增加至仅监测两个 OD 对，相关性进一步提升至 0.56。
引用
@article{arxiv.1911.03779,
title = {Empirical validation of network learning with taxi GPS data from Wuhan, China},
author = {Susan Jia Xu and Qian Xie and Joseph Y. J. Chow and Xintao Liu},
journal= {arXiv preprint arXiv:1911.03779},
year = {2021}
}