新方法用强化学习在线估计动态OD矩阵
热点事件持续更新
新方法用强化学习在线估计动态OD矩阵
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
研究提出 LFPG-RL，用强化学习结合链路流量传播引导，在线估计动态 OD 矩阵中的单个 OD 分量。 在墨尔本主干路网 250 条工作日链路流量轨迹上，该方法测试 RMSE 均值为每 15 分钟 7.41 辆车，MAPE 为 31.24%，Pearson 相关系数 0.987，较最强基线（梯度下降加传播引导）降低 40.1% RMSE。研究者称该方法可快速更新需求，使交通仿真与观测状况保持一致。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
LFPG-RL：用强化学习与链路流量传播引导在线估计动态 OD 矩阵报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.LGLFPG-RL：用强化学习与链路流量传播引导在线估计动态 OD 矩阵
研究提出 LFPG-RL，将模拟车辆传播记录与下游误差结合，引导单个 OD 分量的强化学习在线估计。在墨尔本主干路网 250 条工作日链路流量轨迹上，其测试 RMSE 均值为每 15 分钟 7.41 辆车，MAPE 为 31.24%，Pearson 相关系数 0.987，较最强基线梯度下降加传播引导降低 40.1% RMSE。该方法可快速更新需求，使交通仿真与观测状况保持一致。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。