迪米特里斯·伯西马斯；阿瑟·德拉鲁；帕特里克·贾利特；塞巴斯蒂安·马丁 大数据时代的出行时间估算。 （英语） Zbl 1444.90022号 操作。物件。 67，第2期，498-515（2019）. 摘要：二十一世纪的城市规划师将对复杂城市交通模式的理解确定为首要任务，这导致所收集的交通数据数量和多样性急剧增加。例如，越来越多的大城市中的出租车公司已经开始记录每一次汽车出行的元数据，例如起点、目的地和旅行时间。本文表明，我们可以利用网络优化的洞察力，从这些原始目的地数据中提取准确的出行时间估计值，使用大量出租车出行的信息来重建整个城市的交通模式。我们开发了一种方法，可以灵活地利用原始目的地数据，由于其优化框架，该方法还可以利用其他交通信息源。利用合成数据，我们建立了算法对高方差数据的鲁棒性，以及其结果的可解释性。然后，我们使用曼哈顿数十万个出租车出行时间观测数据表明，我们的算法可以提供不同尺度上城市交通模式的见解，以及整个网络中准确的出行时间估计。 引用于三文件 MSC公司： 90B06型 运输、物流和供应链管理 90B20型 运筹学中的交通问题 90B10型 运筹学中的确定性网络模型 关键词：交通：模型：交通；成本函数估计；二阶锥优化；逆最短路径长度问题；大型数据集 软件：开放街道地图；朱莉娅 PDF格式BibTeX公司 XML格式引用 \textit{D.Bertsimas}等人，作品。第67号决议，第2号，498--515（2019年；Zbl 1444.90022） 全文： DOI程序 链接 参考文献： [1] Chen BY，Yuan H，Li Q，Lam WHK，Shaw SL，Yan K（2014）大型低频浮动车数据的地图匹配算法。国际。J.地理信息。科学。28（1）:22-38.Crossref，谷歌学者·doi:10.1080/13658816.2013.816427 [2] Coifman B（2002）使用双环路检测器估计高速公路上的行驶时间和车辆轨迹。运输研究A部分：政策实践36（4）：351-364.谷歌学者交叉引用·doi:10.1016/S0965-8564（01）00007-6 [3] Dial RB（1971）一种避免路径枚举的概率多路径流量分配模型。运输研究。5（2）：83-111.Crossref，谷歌学者·doi:10.1016/0041-1647（71）90012-8 [4] Hänseler FS、Molyneaux NA、Bierlaire M（2017）《火车站行人出行需求估算》。运输科学。51（3）：981-997.链接，谷歌学者 [5] Hofleitner A、Herring R、Abbeel P和Bayen A（2012）使用动态贝叶斯网络从探测数据中学习干线交通的动态。IEEE传输。智能运输系统13（4）：1679-1693.Crossref，谷歌学者·doi:10.1109/TITS.2012.2200474 [6] Hung CH（2003）关于逆最短路径长度问题。乔治亚理工学院ISyE博士论文，亚特兰大。谷歌学者 [7] Jaillet P，Qi J，Sim M（2016）不确定性下的路由优化。操作。物件。64（1）：186-200.链接，谷歌学者·Zbl 1338.90107号 [8] Jenelius E，Koutsopoulos HN（2013），使用低频探头车辆数据估算城市道路网络的行驶时间。运输研究第B部分：方法53（7月）：64-81.Crossref，谷歌学者·doi:10.1016/j.trb.2013.03.008 [9] Li R，Rose G（2011）将不确定性纳入短期旅行时间预测。运输研究第C部分：新兴技术。19（6）:1006-1018.Crossref，谷歌学者·doi:10.1016/j.trc.2011.05.014 [10] Lubin M，Dunning I（2015）使用julia进行运筹研究中的计算。信息J.计算。27（2）：238-248.链接，谷歌学者·Zbl 1331.90001号 [11] Nikolova E，Stier-Moses NE（2014）随机旅行时间交通分配问题的平均风险模型。操作。物件。62（2）：366-382.Link，谷歌学者·Zbl 1304.90062号 [12] NYCTLC（2016）出行记录数据。访问时间：2018年9月7日，http://www.nyc.gov/html/tlc/html/about/trip_record_data.shtml.谷歌学者 [13] OSM（2015）OpenStreetMap项目数据库。2018年9月7日查阅，http://planet.openstreetmap.org.谷歌学者 [14] Pióro M，Fouquet Y，Nace D，Poss M（2016），优化具有可变链路容量的多商品网络中的流量稀疏保护。操作。物件。64（2）：273-289.Link，谷歌学者·Zbl 1342.90036号 [15] Quddus M，Washington S（2015），低频GPS数据的最短路径和车辆轨迹辅助地图匹配。运输研究第C部分：新兴技术。55（6月）：328-339.Crossref，谷歌学者·doi:10.1016/j.trc.2015.02.017 [16] Santi P、Resta G、Szell M、Sobolevsky S、Strogatz S、Ratti C（2014）《量化车辆共用与共享网络的好处》。程序。国家。阿卡德。科学。美国111（37）：13290-13294.Crossref，谷歌学者·doi:10.1073/pnas.1403657111 [17] Wang H，Li Z，Kuo Y，Kifer D（2016）使用大规模旅行数据估计旅行时间的简单基线。程序。第24届ACM SIGSPATIAL国际。Conf.高级地理信息。系统（ACM，纽约），第61条。Crossref，谷歌学者·doi:10.1145/2996913.2996943 [18] Wang Y，Nihan NL（2000）使用单回路输出的高速公路交通速度估计。运输研究记录J.运输研究委员会1727（1）：120-126.Crossref，谷歌学者·doi:10.3141/1727-15 [19] Wang Y，Zheng Y，Xue Y（2014）使用稀疏轨迹的路径旅行时间估计。程序。第20届ACM SIGKDD国际。Conf.知识发现数据挖掘（ACM，纽约），25-34.Crossref，谷歌学者·doi:10.1145/2623330.2623656 [20] Yang C（2015）纽约市出租车出行需求和供给的数据驱动模型。新泽西州新不伦瑞克罗格斯大学博士论文。谷歌学者 [21] 詹X·doi:10.1016/j.trc.2013.04.001 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。