本文提出了一种利用时空图神经网络（STGNN）预测机场交叉口状态，以此优化出租车路线分配的方法。通过结合图卷积网络和递归神经网络，预测结果用于构建混合整数线性规划（MILP）模型，提高机场运输效率。实验证明，这种方法不仅提高了解决方案质量，还能实现快速实时运行，有效解决了现有算法在复杂机场拓扑中的效率和稳定性问题。
Quick taxi route assignment via real-time intersection state prediction with a spatial-temporal graph neural network（通过时空图神经网络实时交叉口状态预测快速分配出租车路线）
简单说一下：
本文采用了一种新的方法，通过使用空间-时间图神经网络（STGNN）来预测机场出租车道网络中的交叉口状态，从而减少问题规模。然后，基于预测结果得到的子图，建立了一个混合整数线性规划（MILP）模型来分配出租车路线。同时，本文将时间视为连续变量，允许飞机在任何节点停下等待，以避免冲突。最后，我们通过在北京首都国际机场&#x
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
