PulseAugur
实时 09:20:48
English(EN) DynaOD: Dynamic Origin-Destination Flow Generation with Discrete-to-Continuous Temporal Semantic Modeling

DynaOD框架通过时间语义建模城市出行流量

研究人员开发了DynaOD,一个用于生成真实城市出行起点-终点(OD)流量模式的新框架。该系统通过建模离散方向趋势和连续时间演变,将语义时间信号转化为连贯的OD模式。这种方法可以轻松集成到现有的OD生成器中,并支持跨城市迁移。实验表明,DynaOD在预测准确性和分布保真度方面优于当前基线。 AI

影响 增强了AI在模拟复杂城市出行动态方面的能力,可能有助于城市规划和交通管理。

排序理由 该集群包含一篇详细介绍特定AI应用新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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]

  1. arXiv cs.AI TIER_1 English(EN) · Jie Zhao, Xianqi Dai, Jie Feng, Huandong Wang, Yong Li ·

    DynaOD:具有离散到连续时间语义建模的动态起点-终点流生成

    arXiv:2606.09086v1 Announce Type: new Abstract: Dynamic origin-destination (OD) flow generation seeks to synthesize realistic mobility dynamics from temporal context alone, without relying on historical OD observations. A key challenge is to translate semantic temporal signals in…