English(EN) Learning Graph-Indexed Trajectory Patterns for Stochastic On-Time Arrival Routing

新的Transformer策略GPG-HT改进了准时到达路由

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-04 04:00

研究人员开发了GPG-HT，这是一种新颖的基于Transformer的策略，专为随机准时到达路由设计。该系统学习表示路线历史，包括经过的边、旅行时间和顺序，以预测未来行动的可靠性。在道路网络拓扑上的实验表明，GPG-HT在实现准时到达方面显著优于现有的优化和强化学习方法。 AI

影响为在复杂、随机环境中提高路由效率引入了一种新颖的基于Transformer的方法。

排序理由该集群包含一篇详细介绍新模型及其实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Yuanhang Wang, Xing Wei, Duoxiang Zhao, Zezhou Zhang, Hao Qin, Yuqi Ouyang · 2026-08-04 04:00

Learning Graph-Indexed Trajectory Patterns for Stochastic On-Time Arrival Routing

arXiv:2508.17218v4 Announce Type: replace Abstract: Correlated link travel times create decision-relevant patterns in partial route histories. In stochastic on-time arrival (SOTA) routing, each route prefix forms a variable-length, graph-indexed sequence in which traversed-edge i…