Quick taxi route assignment via real-time intersection state prediction

Quick taxi route assignment via real-time intersection state prediction with a spatial-temporal graph neural network(通过时空图神经网络实时交叉口状态预测快速分配出租车路线)

在这里插入图片描述

PAPER LINK

简单说一下:

本文采用了一种新的方法,通过使用空间-时间图神经网络(STGNN)来预测机场出租车道网络中的交叉口状态,从而减少问题规模。然后,基于预测结果得到的子图,建立了一个混合整数线性规划(MILP)模型来分配出租车路线。同时,本文将时间视为连续变量,允许飞机在任何节点停下等待,以避免冲突。最后,我们通过在北京首都国际机场(PEK)的实际运营数据上进行测试,证明了我们的方法的有效性。

MILP模型包括了对出租车路线分配的混合整数线性规划问题的描述。具体来说,它考虑了如何最小化总出租车行驶和偏离时间的目标函数,并允许飞机在任何交叉口停下等待,以避免冲突。同时,该模型将时间视为连续变量,而不是进行离散化处理

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值