神经优化框架实现个性化车辆路径复现

韩国研究者 Gyeongjun Kim、Yeseul Kang 和 Keemin Sohn 提出一种基于决策聚焦学习的神经优化框架，用于复现个性化车辆轨迹路径。该研究把个体路径复现建模为基于学习到的驾驶员特定隐式路段成本的最短路径问题，管线包含感知模型与约束优化层，并用隐式最大似然估计近似非可微层的梯度以实现端到端训练。 作者称，实验显示该框架在路径复现上优于基线路径选择模型，学到的隐式成本可作为感知出行成本的代理，用于解释异质性路径选择。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。