GNN指导城市交通网络缩减新方法

2026年10月28日，arXiv计算机科学（cs.lg）版块发布一篇论文，提出一种基于学习框架的城市交通网络缩减方法。 该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，随后在原路段流MILP上求解以获得可行路由。 在布拉格、伦敦、纽约和悉尼四个真实城市网络的实验中，该方法表现最优，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。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。