GNN-Guided Network Reduction for Centralized Urban Traffic Routing

论文提出一种基于学习框架的城市交通网络缩减方法，利用专用图神经网络（GNN）为每个 OD 流评分并筛选关键路段，在原路段流 MILP 上求解以获得可行路由。 该方法在布拉格、伦敦、纽约和悉尼四个真实城市网络实验中表现最优，其相对 30 秒全图参考解的目标差异平均比最佳竞争方法低 6 倍以上。 流量仿真表明该方法带来更高效路由，具有最高累计到达率及具有竞争力的单次行程时长每到达百分点。