ETA预测的效率
摘要：现代移动应用程序，如导航服务和拼车平台，严重依赖地理空间技术，最关键的是预测车辆在特定路线上行驶所需的时间，也称为预计到达时间（ETA）。实际上有各种方法，这些方法在地理粒度上的训练模型有所不同 - 例如，基于路段的方法预测道路段的行驶时间（或几个相邻路段的组合），然后对整条路线进行聚合，而基于路线的方法则使用有关行程的一般信息，例如起点和终点，来预测行驶时间。尽管开发了各种形式的这些方法，但对它们的准确性还没有进行严格的理论比较，而经验研究在许多情况下得出了相反的结论。 我们提供了对各种ETA预测方法的预测准确性的首次理论分析。在有限样本设置中，我们给出了一些温和的条件，这些条件使得基于路段的方法比多种基于路线的方法更准确。然后，我们分析了一个渐近设置，在这个设置中，行程观测数量随着道路网络的规模增长。在网格网络上的广泛范围内的行程生成过程下，我们证明了一类非常简单的基于路段的方法至少与任何可能的预测器同样好，最多相差一个对数因子。换句话说，基于路段的方法在渐近情况下是最优的，最多相差一个对数因子。我们的工作强调了ETA预测的准确性不仅取决于模型的复杂性，还取决于这些方法应用的空间粒度。
作者：Chiwei Yan, James Johndrow, Dawn Woodard, Yanwei Sun
论文ID：2112.09993
分类：Applications
分类简称：stat.AP
提交时间：2023-02-02