FASTER：公共交通事件响应的融合分析
计算机与社会
2024-09-23 v1 机器学习
系统与控制
信号处理
系统与控制
机器学习
摘要
日益增加的城市集中度带来了可受益于集成监控与决策支持的运营挑战。此类复杂系统需要利用全套分析方法，从基于多传感器融合进行态势感知的状态估计，到预测与最优响应的计算。我们在本工作中描述的FASTER平台，以国家尺度部署，每年处理15亿次公共交通出行，为这一大规模实时问题提供了此类全栈技术。FASTER提供细粒度态势感知与实时决策支持，旨在改善公共交通通勤体验。所采用的方法涵盖统计机器学习、基于智能体的模拟与混合整数优化。本工作中我们概述了相关挑战与方法，详述通勤者移动预测模块，并讨论了开放问题。
引用
@article{arxiv.1906.03040,
title = {FASTER: Fusion AnalyticS for public Transport Event Response},
author = {Sebastien Blandin and Laura Wynter and Hasan Poonawala and Sean Laguna and Basile Dura},
journal= {arXiv preprint arXiv:1906.03040},
year = {2024}
}