Origin-Destination Travel Time Oracle for Map-based Services

要約

出発地 (O)、目的地 (D)、および出発時刻 (T) を指定すると、出発地-目的地 (OD) 移動時間 oracle~(ODT-Oracle) は、O から目的地までの移動にかかる推定時間を返します。
T で出発するときは D。ODT-Oracle は地図ベースのサービスで重要な役割を果たします。
このようなオラクルの構築を可能にするために、履歴軌跡を活用して OD ペアの時間とともに変化する移動時間を推定する移動時間推定 (TTE) ソリューションを提供します。
この問題は、異なる移動時間を持つ複数の履歴軌跡が OD ペアを接続する可能性がある一方で、軌跡が互いに異なる可能性があるという事実によって複雑になります。
この問題を解決するには、今後のクエリの移動時間の見積もりを行うときに外れ値の軌跡を削除することが重要です。
私たちは、この問題を解決する、拡散ベースの出発地から目的地までの旅行時間推定 (DOT) と呼ばれる、新しい 2 段階のフレームワークを提案します。
まず、DOT は条件付きピクセル化軌跡 (PiT) デノイザーを採用しています。これにより、OD ペアと履歴軌跡の間の相関関係を学習することで、拡散ベースの PiT 推論プロセスを構築できます。
具体的には、OD ペアと出発時刻が与えられると、PiT を推測することを目的とします。
次に、DOT には、推定された PiT に基づいて移動時間を効果的かつ効率的に推定する Masked Vision Transformer~(MViT) が含まれています。
私たちは、DOT が精度、拡張性、説明可能性の点でベースライン手法を上回る能力があるという証拠を提供する 2 つの現実世界のデータセットに関する広範な実験について報告します。

要約(オリジナル)

Given an origin (O), a destination (D), and a departure time (T), an Origin-Destination (OD) travel time oracle~(ODT-Oracle) returns an estimate of the time it takes to travel from O to D when departing at T. ODT-Oracles serve important purposes in map-based services. To enable the construction of such oracles, we provide a travel-time estimation (TTE) solution that leverages historical trajectories to estimate time-varying travel times for OD pairs. The problem is complicated by the fact that multiple historical trajectories with different travel times may connect an OD pair, while trajectories may vary from one another. To solve the problem, it is crucial to remove outlier trajectories when doing travel time estimation for future queries. We propose a novel, two-stage framework called Diffusion-based Origin-destination Travel Time Estimation (DOT), that solves the problem. First, DOT employs a conditioned Pixelated Trajectories (PiT) denoiser that enables building a diffusion-based PiT inference process by learning correlations between OD pairs and historical trajectories. Specifically, given an OD pair and a departure time, we aim to infer a PiT. Next, DOT encompasses a Masked Vision Transformer~(MViT) that effectively and efficiently estimates a travel time based on the inferred PiT. We report on extensive experiments on two real-world datasets that offer evidence that DOT is capable of outperforming baseline methods in terms of accuracy, scalability, and explainability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google