الانحدار القائم على الزمن على شبكات الطرق عبر التعلم متعدد المهام

تكاليف السفر على الطرق هي معرفة مهمة مخفية في مجموعات بيانات تتبع GPS واسعة النطاق، اكتشافها يمكن أن يفيد العديد من التطبيقات مثل تخطيط المسار الذكي والتنقل بالقيادة التلقائية. بينما هناك دراسات سابقة تناولت هذه المهمة من خلال نمذجة المشكلة كمشكلة انحدار مع الأخذ في الاعتبار النعومة المكانية، فقد افترضت بشكل غير معقول أن التكلفة الكامنة لكل طريق تظل ثابتة بمرور الوقت. أعمال أخرى في تخطيط المسارات والتوصيات التي أخذت في الاعتبار العوامل الزمنية افترضت ببساطة أن الديناميات الزمنية معروفة مسبقًا كدالة بارامترية على مر الزمن، وهو ما لا يعكس الواقع. للتغلب على هذه القيود، في هذه الورقة، نقترح توسيعاً لإطار الانحدار الثابت السابق من خلال تعلم الديناميات الزمنية لتكاليف السفر على الطرق بطريقة غير بارامترية مبتكرة يمكنها التغلب بفعالية على مشكلة الندرة الزمنية. على وجه الخصوص، نقوم بتوحيد مجموعة من مشاكل الانحدار المختلفة ضمن إطار متعدد المهام من خلال إدخال تنظيم عابر للمهام جديد يشجع على النعومة الزمنية في تغيير تكاليف السفر على الطرق. ثم نقترح طريقة فعالة للنزول المنسق بطريقة الكتلة لحل المشكلة الناتجة من خلال استغلال هياكلها القابلة للفصل ونثبت تقاربها إلى المثلى العالمية. التجارب التي أجريت على كل من مجموعات البيانات الاصطناعية والحقيقية توضح فعالية طريقتنا ودقتها المحسنة في توقع زمن السفر.