11、个体暴露估计与移动劳动力管理的创新研究

个体暴露估计与移动劳动力管理的创新研究

1. 个体暴露估计模型

在个体暴露估计方面，为了构建训练和测试数据集，采用了一系列特定的步骤：
1. 设定旅行时间分布 ：将个体的旅行时间分布 $p_{ind}(t|x_i)$ 设定为正态分布 $N_i(\mu_i, \sigma_i^2)$。
2. 路径选择 ：依据个体的真实概率 $p_{ind}(x_i)$ 从路径集合 $P$ 中挑选一条路径。
3. 确定旅行时间 ：利用分配给 $P$ 中每个 $x_i$ 的 $p_{ind}(t|x_i)$ 来确定从 $A$ 到 $B$ 的旅行时间 $t$。
4. 重复操作 ：不断重复上述步骤，从而创建 $(x_i, t)$ 对的旅行数据训练和测试集。

个体的路径选择和旅行时间分布对模型性能有着显著影响。个体的 $p_{ind}(x)$ 是基于基础概率 $p(x)$（如 $[0.2, 0.4, 0.1, 0.1, 0.2]$）构建的，通过给每个概率加上一个 0 到 0.5 之间的随机数，然后进行归一化得到概率函数。平均旅行时间（以秒为单位）和标准差也以类似的方式构建，不同行程的基础值加上或减去不同的数值范围。

除了合成数据，还使用了来自两个个体在真实道路网络上的日常通勤轨迹数据，分别是美国欧克莱尔市网络的 32 天旅行数据和阿拉伯联合酋长国艾因市道路网络的 48 天旅行数据。

2. 归一化均方根偏差（NRMSD）

为了评估模型的性能，进行了合成测试，比较模型的长期平均平