利用强化学习与链流传播引导进行动态起讫点矩阵在线估计
Online Estimation of Dynamic Origin-Destination Matrices Using Reinforcement Learning with Link-Flow Propagation Guidance
精选理由
提出带链路流传播引导的强化学习，实现在线估计动态OD需求，提升交通仿真准确性。
AI 摘要
arXiv:2608.30317v2 公告类型：替换 摘要：动态起讫点（OD）矩阵估计旨在校准随时间变化的输入需求，使仿真能够复现观测到的链流。强化学习非常适合在线估计，因为训练好的策略只需一次评估即可估计需求，但目标流量的变化使得从聚合奖励中学习变得复杂。我们提出了带链流传播引导的强化学习（LFPG-RL），将模拟车辆传播记录与下游误差相结合，以指导各个OD分量。基于Melbourne干道网络中250条工作日链流轨迹的实验结果，LFPG-RL在每个15分钟时间间隔内实现了7.41辆车的平均测试均方根误差（RMSE）、31.24%的平均绝对百分比误差，以及0.987的Pearson相关系数。与优化、滤波以及不带引导的强化学习方法相比，LFPG-RL相较于最强基线方法——带传播引导的梯度下降——将RMSE降低了40.1%。LFPG-RL能够快速更新需求，使交通仿真与观测条件保持一致，从而支持交通管理策略的评估。