云天勵飛推斷城市道路交通流量論文入選國際頂級學術會議

5月13日~17日，計算機領域一大國際頂級學術會議——國際萬維網(wǎng)大會(The International Conference of World Wide Web，簡稱WWW會議)將在美國舊金山舉行。近日，大會論文收錄結(jié)果揭曉，云天勵飛AI技術部湯先鋒所著論文《Joint Modeling of Dense and Incomplete Trajectories for Citywide Traffic Volume Inference》入選。該文提出了基于少量GPS軌跡和不完整監(jiān)控軌跡來推斷城市道路交通流量的方法，助力智慧城市建設。

掌握城市道路的實時交通流量，有利于擁堵預測、車輛調(diào)度和道路規(guī)劃，因此對于智慧城市建設也具有重要意義。但是，交通流量的信息，往往只能通過傳感器和道路攝像頭來獲得，這就導致了數(shù)據(jù)的采集受到了監(jiān)控系統(tǒng)覆蓋度的制約，即只有部分路段的交通流量信息是已知的。為此，上述論文提出，希望能基于已有的交通流量信息，通過對道路間車流量相似性進行建模，以此來推斷整個城市所有道路的流量情況。

不過，傳統(tǒng)的基于車輛軌跡構建道路流量的相似性的方法，往往會受到軌跡本身的制約。例如，出于隱私保護的考慮，只有一部分公共交通的車輛會被允許收集GPS軌跡，這就導致了采集的軌跡本身存在偏差。此外，雖然可從城市監(jiān)控系統(tǒng)采集的圖像中通過識別車牌來恢復車輛軌跡，但這一方法也會受到監(jiān)控系統(tǒng)密度的制約。換言之，對于沒有監(jiān)控的路段，車輛的行駛過程也就不能被完整記錄和準確掌握。

為了能充分利用上述兩種軌跡來進行城市道路交通流量推斷，論文提出基于密集和不完整軌跡來推斷城市道路交通流量的方法。

首先，作者對來自監(jiān)控系統(tǒng)的不完整軌跡進行概率分布的建模，創(chuàng)新地選擇使用高保真的交通模擬器(SUMO)來對未監(jiān)控路段的軌跡進行推斷。據(jù)介紹，相比傳統(tǒng)方法，使用模擬器可以更好地考慮多種因素，包括城市道路的行駛規(guī)則，以及車輛之間交互帶來的影響。但是，單純使用模擬器默認參數(shù)往往會有較大的模擬誤差。為此，作者設計了基于深度強化學習的調(diào)參算法，通過將參數(shù)調(diào)整看成Action，模擬器的狀態(tài)作為State，訓練強化學習Agent來自動選擇模擬器的最優(yōu)參數(shù)。

在得到軌跡分布之后，就可以此來構造道路之間的相似性。根據(jù)研究，用不同類型的軌跡(完整的GPS軌跡和通過模擬得到的軌跡)來定義多視點圖像，可以更好地表達道路之間流量的相似性。為此，作者首先通過多視點圖像嵌入來學習每個路段在每個時間的表征向量，再使用向量內(nèi)積計算道路之間流量的相似性。通過這些相似性，用半監(jiān)督的傳播算法來推斷未知的道路流量情況。

作者在某省會城市兩個區(qū)域使用論文中提出的方法進行實驗，推斷城市道路交通流量準確度提升

據(jù)悉，國際萬維網(wǎng)大會是由國際萬維網(wǎng)會議委員會發(fā)起主辦的國際學術會議，創(chuàng)始于1994年，每年舉辦一屆，是中國計算機學會(CCF)推薦的A類國際學術會議。大會所收錄的論文幾乎覆蓋與Web相關的方方面面，而每個主題都有其所對應的頂級國際會議。今年大會共收到1247篇論文投稿，有18%的論文被收錄。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。