云天励飞推断城市道交通流量论文入选国际学术会议
掌握城市道的实时交通流量，有利于拥堵预测、车辆调度和道规划，因此对于智慧城市建设也具有重要意义。但是，交通流量的信息，往往只能通过传感器和道摄像头来获得，这就导致了数据的采集受到了系统覆盖度的制约，即只有部分段的交通流量信息是已知的。为此，上述论文提出，希望能基于已有的交通流量信息，通过对道间车流量相似性进行建模，以此来推断整个城市所有道的流量情况。
不过，传统的基于车辆轨迹构建道流量的相似性的方法，往往会受到轨迹本身的制约。例如，出于隐私的考虑，只有一部分公共交通的车辆会被允许收集GPS轨迹，这就导致了采集的轨迹本身存在偏差。此外，虽然可从城市系统采集的图像中通过识别车牌来恢复车辆轨迹，但这一方法也会受到系统密度的制约。换言之，对于没有的段，车辆的行驶过程也就不能被完整记录和准确掌握。
为了能充分利用上述两种轨迹来进行城市道交通流量推断，论文提出基于密集和不完整轨迹来推断城市道交通流量的方法。
首先，作者对来自系统的不完整轨迹进行概率分布的建模，创新地选择使用高保真的交通模拟器(SUMO)来对未段的轨迹进行推断。据介绍，相比传统方法，使用模拟器可以更好地考虑多种因素，包括城市道的行驶规则，以及车辆之间交互带来的影响。但是，单纯使用模拟器默认参数往往会有较大的模拟误差。为此，作者设计了基于深度强化学习的调参算法，通过将参数调整看成Action，模拟器的状态作为State，训练强化学习Agent来自动选择模拟器的最优痦子的位置与命运图参数。
在得到轨迹分布之后，就可以此来构造道之间的相似性。根据研究，用不同类型的轨迹(完整的GPS轨迹和通过模拟得到的轨迹)来定义多视点图像，可以更好地表达道之间流量的相似性。为此，作者首先通过多视点图像嵌入来学习每个段在每个时间的表征向量，再使用向量内积计算道之间流量的相似性。通过这些相似性，用半监督的算法来推断未知的道流量情况。
据悉，国际万维网大会是由国际万维网会议委员会发起主办的国际学术会议，创始于1994年，每年举办一届，是中国计算机学会(CCF)推荐的A类国际学术会议。大会所收录的论文几乎覆盖与Web相关的方方面面，而每个主题都有其所对应的国际会议。今年大会共收到1247篇论文，有18%的论文被收录。
发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至，管理员将及时处理。