MetroGNN：基于强化学习的地铁网络扩展
计算机与社会
2024-03-15 v1
摘要
选择城市区域进行地铁网络扩展以满足最大的交通需求对城市发展至关重要，但在计算上具有挑战性。扩展过程不仅依赖于城市人口统计和起讫点（OD）流量等复杂特征，还受到现有地铁网络和城市地理的限制。在本文中，我们引入了一个强化学习框架，以解决城市异构多图中的马尔可夫决策过程。我们的方法采用了一个注意力策略网络，该网络基于图神经网络捕获的信息智能地选择节点。在真实世界城市数据上的实验表明，与最先进的方法相比，我们提出的方法将满足的交通需求大幅提高了30%以上。代码发布于https://github.com/tsinghua-fib-lab/MetroGNN。
引用
@article{arxiv.2403.09197,
title = {MetroGNN: Metro Network Expansion with Reinforcement Learning},
author = {Hongyuan Su and Yu Zheng and Jingtao Ding and Depeng Jin and Yong Li},
journal= {arXiv preprint arXiv:2403.09197},
year = {2024}
}
备注
WWW24 short