基于自动售检票数据的全网链路行程时间与车站等待时间估计：一种计算图方法
机器学习
2021-08-23 v1 社会与信息网络
物理与社会
摘要
城市轨道交通（URT）系统在北京和香港等许多特大城市中占据主导地位。由于其重要性和复杂性，公共机构一直非常需要更好地了解URT系统的运行状况。本文关注一个关键且困难的问题：利用URT系统中的自动售检票（AFC）数据估计全网链路行程时间和车站等待时间，这有助于更好地理解系统级的实时运行状态。机器学习领域新兴的数据驱动技术，如计算图（CG）模型，为解决该问题提供了新方案。在本研究中，我们首先构建了一个数据驱动的估计优化框架来估计链路行程时间和车站等待时间。然后，我们将该估计优化模型嵌入CG框架中求解优化问题并获得估计结果。该方法在合成URT网络上验证，并分别使用合成和真实世界的AFC数据应用于真实世界的URT网络。结果表明基于CG的框架具有鲁棒性和有效性。据我们所知，这是CG首次应用于URT。本研究可为更好地理解URT运行状态提供重要见解。
引用
@article{arxiv.2108.09292,
title = {Network-wide link travel time and station waiting time estimation using automatic fare collection data: A computational graph approach},
author = {Jinlei Zhang and Feng Chen and Lixing Yang and Wei Ma and Guangyin Jin and Ziyou Gao},
journal= {arXiv preprint arXiv:2108.09292},
year = {2021}
}