为每条线路定制其 ETA：一种用于 ETA 预测的 generative 建模框架

准确的预计到达时间(ETA)信息对维持公共交通服务质量至关重要。人工智能(AI)的最新进展催生了更有效的 ETA 估计模型，这些模型严重依赖大型 GPS 数据集。更重要的是，这些主要是基于出租车的 dataset，可能不适用于基于公交的公共交通。因此，最新方法可能不适用于缺乏大型训练数据集城市的 ETA 估计。另一方面，许多城市的 ETA 估计问题需要在缺乏大数据集且含离群值、异常并可能不完整的情况下解决。本工作提出一种简单但鲁棒的公交线路 ETA 估计模型，仅依赖该特定线路的历史数据。我们提出一个系统，为行程生成 ETA 信息并随行程推进基于实时信息更新。我们训练了一个基于深度学习的 generative 模型，学习跨行程的 ETA 数据概率分布，并依据当前行程信息即时更新 ETA 信息。我们的即插即用模型不仅良好捕捉任务的非线性，且任何交通机构无需其他外部数据源即可使用。在德里市采集的数据上针对三条线路运行的实验表明了本方法的前景。