TAS-TsC：基于 truck 轨迹的时空属性三空间协调的时间到达估计数据驱动框架
人工智能
2024-12-03 v1
摘要
准确估计卡车到达时间 (ETA) 对优化物流中的运输效率至关重要。GPS轨迹数据提供了ETA的有价值信息，但由于时间稀疏性、可变序列长度以及多个卡车之间的相互依赖性等挑战。为此，我们提出时空属性三空间协调 (TAS-TsC) 框架，利用三个特征空间——时间、属性和空间——来增强ETA。我们的框架包括使用时态空间模型捕获时序依赖性的时序学习模块 (TLM)，将序列特征转换为结构化属性嵌入的属性提取模块 (AEM)，以及使用图表示学习建模多个轨迹间相互作用的空间融合模块 (SFM)。这些模块协同学习轨迹嵌入，然后由下游预测模块 (DPM) 用于估计到达时间。我们在来自中国深圳的真实卡车轨迹数据集上验证了TAS-TsC，证明其优于现有方法的优越性能。
引用
@article{arxiv.2412.01122,
title = {TAS-TsC: A Data-Driven Framework for Estimating Time of Arrival Using Temporal-Attribute-Spatial Tri-space Coordination of Truck Trajectories},
author = {Mengran Li and Junzhou Chen and Guanying Jiang and Fuliang Li and Ronghui Zhang and Siyuan Gong and Zhihan Lv},
journal= {arXiv preprint arXiv:2412.01122},
year = {2024}
}