基于图神经网络的 Google Maps 预计到达时间预测
机器学习
2021-08-27 v1 人工智能
社会与信息网络
摘要
行程时间预测是交通网络中一项至关重要的任务，Google Maps 等网络地图服务定期为大量用户和企业提供行程时间查询服务。此外，该任务需要考虑复杂的时空交互作用（既对道路网络的拓扑特性进行建模，又预测未来可能发生的事件——如交通高峰期）。因此，它是大规模图表示学习的理想目标。在此，我们提出了一种用于预计到达时间（ETA）的图神经网络估计器，并已将其部署于 Google Maps 的生产环境中。虽然我们的主要架构由标准的 GNN 构建模块组成，但我们进一步详述了诸如 MetaGradients 等训练调度方法的使用，以使我们的模型稳健且具备生产可用性。我们还提供了指导性研究：对各种架构决策和训练机制进行消融分析，以及对我们的模型具备竞争优势的真实场景进行定性分析。我们的 GNN 在部署后表现出强大的能力，与先前的生产基线相比，在多个地区显著减少了负面 ETA 结果（在悉尼等城市降幅达 40% 以上）。
引用
@article{arxiv.2108.11482,
title = {ETA Prediction with Graph Neural Networks in Google Maps},
author = {Austin Derrow-Pinion and Jennifer She and David Wong and Oliver Lange and Todd Hester and Luis Perez and Marc Nunkesser and Seongjae Lee and Xueying Guo and Brett Wiltshire and Peter W. Battaglia and Vishal Gupta and Ang Li and Zhongwen Xu and Alvaro Sanchez-Gonzalez and Yujia Li and Petar Veličković},
journal= {arXiv preprint arXiv:2108.11482},
year = {2021}
}
备注
To appear at CIKM 2021 (Applied Research Track). 10 pages, 4 figures