LFPG-RL在线估计动态OD矩阵
热点事件持续更新
LFPG-RL在线估计动态OD矩阵
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
研究提出 LFPG-RL 方法，将模拟车辆传播记录与下游误差结合，引导动态 OD 矩阵各分量的在线估计，用于快速更新交通需求、使仿真与观测条件保持一致。 在墨尔本干路网 250 条工作日链路流量轨迹上，该方法平均测试 RMSE 为 7.41 辆/15 分钟，MAPE 为 31.24%，Pearson 相关系数 0.987，较最强基线（带传播引导的梯度下降）RMSE 降低 40.1%。上述结果为该研究报告的测试数据。
AI 根据报道生成 · 1 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，引导动态 OD 矩阵各分量的在线估计。在墨尔本干路网 250 条工作日链路流量轨迹上，平均测试 RMSE 为 7.41 辆/15 分钟，MAPE 为 31.24%，Pearson 相关系数 0.987，较最强基线（带传播引导的梯度下降）RMSE 降低 40.1%。该方法可快速更新需求，使交通仿真与观测条件保持一致。
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。