arXiv · cs.AI· Donggyu Min, Dong-Kyu Kim·· 1 天前
LFPG-RL用链路流量传播引导动态起讫矩阵在线估计
Online Estimation of Dynamic Origin-Destination Matrices Using Reinforcement Learning with Link-Flow Propagation Guidance
arXiv:2608.30317v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Donggyu Min, Dong-Kyu Kim
研究任务与主要进展
基于论文摘要，LFPG-RL结合模拟车辆传播记录和下游误差，引导强化学习在线估计动态起讫矩阵。基于墨尔本arterial network的250条工作日链路流量轨迹测试中，平均测试RMSE为每15分钟7.41辆车，平均绝对百分比误差为31.24%，Pearson相关系数为0.987；相比最强基线梯度下降加传播引导，RMSE降低40.1%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org