Polestar：一个智能、高效且全国范围的公共交通路径规划引擎
人工智能
2020-07-15 v1 机器学习
机器学习
摘要
公共交通在人们日常生活中起着关键作用。已证明公共交通比任何其他出行方式更具环境可持续性、高效且经济。然而，由于交通网络不断扩张以及出行情形愈发复杂，人们难以通过公共交通系统高效找到从一地到另一地的最偏好路线。为此，本文提出 Polestar，一个用于智能高效公共交通路径规划的数据驱动引擎。具体而言，我们首先提出一种新颖的公共交通图（PTG）以根据时间或距离等多种出行成本建模公共交通系统。接着，我们引入一种通用路径搜索算法，并辅以高效的站点绑定方法以高效生成路线候选。之后，我们提出一个两遍路线候选排序模块，以在动态出行情形下捕捉用户偏好。最后，在两个真实数据集上的实验证明了 Polestar 在效率与效果上的优势。事实上，2019 年初 Polestar 已部署于全球最大地图服务之一的百度地图。至今，Polestar 服务于超过 330 个城市，每日应答超亿次查询，并实现了用户点击率的显著提升。
引用
@article{arxiv.2007.07195,
title = {Polestar: An Intelligent, Efficient and National-Wide Public Transportation Routing Engine},
author = {Hao Liu and Ying Li and Yanjie Fu and Huaibo Mei and Jingbo Zhou and Xu Ma and Hui Xiong},
journal= {arXiv preprint arXiv:2007.07195},
year = {2020}
}