UniTE——两全其美：统一函数拟合与基于聚合的行程时间与行程速度估计方法
机器学习
2021-04-28 v1 数据库
摘要
行程时间或速度估计是许多智能交通应用的一部分。现有的估计方法依赖于函数拟合或聚合，代表了泛化能力与准确性之间的不同权衡。函数拟合方法学习将路线等特征向量映射到行程时间或速度估计的映射函数，从而能够泛化到未见过路线。然而，映射函数不完美，实践中准确性较差。基于聚合的方法则通过聚合历史数据（例如路线的通行数据）形成估计。这在数据充足时可实现非常高准确性。但在数据不足时依赖简单启发式，泛化能力较差。我们提出一种统一行程时间与速度估计方法（UniTE），将函数拟合与基于聚合的方法结合到统一框架中，旨在实现函数拟合方法的泛化能力与基于聚合方法的准确性。实证研究发现，与使用单一函数拟合或聚合相比，UniTE 的一个实例可将行程速度分布和行程时间估计的准确性分别提高 和 。
引用
@article{arxiv.2104.13321,
title = {UniTE -- The Best of Both Worlds: Unifying Function-Fitting and Aggregation-Based Approaches to Travel Time and Travel Speed Estimation},
author = {Tobias Skovgaard Jepsen and Christian S. Jensen and Thomas Dyhre Nielsen},
journal= {arXiv preprint arXiv:2104.13321},
year = {2021}
}