Quick taxi route assignment via real-time intersection state prediction
发布时间：2024年01月14日
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）
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
文章来源:https://blog.csdn.net/weixin_43057295/article/details/135579838
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！