估计到达时间任务中的混合图嵌入技术
机器学习
2021-10-11 v1
摘要
近年来，深度学习在估计到达时间（ETA）的计算中取得了可喜成果，ETA 被视为沿给定路径从起点到某地的行程时间预测。ETA 在智能出租车服务或汽车导航系统中起着至关重要的作用。通常做法是使用嵌入向量表示道路网络的元素，如路段与十字路口。道路元素具有自身属性，如长度、人行横道存在与否、车道数等。然而，即便在大型网约车平台中，道路网络的许多连接也仅有极少浮动车经过，并受广泛时间事件影响。作为研究的主要目标，我们探索不同空间嵌入策略的泛化能力，并提出一种两阶段方法处理此类问题。
引用
@article{arxiv.2110.04228,
title = {Hybrid Graph Embedding Techniques in Estimated Time of Arrival Task},
author = {Vadim Porvatov and Natalia Semenova and Andrey Chertok},
journal= {arXiv preprint arXiv:2110.04228},
year = {2021}
}
备注
Accepted in ICCNA 2021