Christian Mulomba Mukendi

因果机器学习框架应对出行、公平和排放三难困境

研究人员开发了一个因果机器学习框架，以应对在动态收费政策中平衡出行、公平和排放的复杂挑战。该框架利用双重机器学习，估算了特定区域的影响，显示商业区的延误减少幅度远大于住宅区。自适应配额机制在保留大部分延误节省和维持强劲投资回报的同时，显著增强了住宅区的覆盖范围。该系统还预计将大幅减少排放，在适度交通条件下，拥堵敏感定价可减少743.5公吨二氧化碳。