2024年3月6日下午16：30，TOPS第138期组会于通达馆A102会议室线下举行。本次组会由2020级博士邱树涵与大家交流讨论《面向大规模车辆路径推断：深度路径选择模型》的相关内容。课题组老师同学出席了本次组会。

汇报时刻

邱树涵首先介绍研究背景。路径是精细观测与精准管控城市交通系统的基础，而现有的检测数据难以全面捕捉路径，拉格朗日检测和欧拉检测数据各具优缺点，但两者在空间覆盖和车辆个体覆盖层面具有一定的互补性。有效的数据融合能够更好地发挥数据价值，而数据融合的核心问题就是如何从拉格朗日检测“学习行为”，向欧拉检测中“迁移行为”。

汇报内容

在背景部分提出三种路径选择模型，基于路径的静态路径选择、基于路段的序贯路径选择、基于序列的序贯路径选择。基于历史序列的路径选择模型能考虑更多信息，建模更复杂的路径选择行为，从而实现“学习行为”；同样基于序列思想，考虑途径点序列，实现“迁移行为”。

汇报内容

基于研究背景，提出研究方法。邱树涵就研究内容展开详细介绍，将问题定义为基于序列的路径选择问题，提出基于序列的路径选择与推断Transformer模型。基于历史序列的路径选择模型，拓展link-based模型，消除Markov假设，考虑所有历史走过路段（Links Traveled）；序列化路径选择任务，“学习-迁移”任务融合：同时考虑所有需要经过的间断点（Links to Pass），提升估计精度；通过注意力机制融合以上2个目标序列信息。

汇报内容

选用徐汇区出租车数据对模型进行分析与评价。从TLLA（重合度）、BLEU（相似度）、ED（距离）、 JSD（散度）等角度与PSL、DNN-PSL、RL等基线算法效果进行对比，发现所提出的模型在路径推断和路径选择任务下优于Baseline模型。

设计消融实验来反映两类注意力ALP和ALT的重要性，更好地解释两类注意力的在模型中的作用。实验表明，ALT注意力对模型作用更大；ALP注意力在采样间隔减小时，对提升精度的作用增加。

汇报内容

最后，邱树涵对研究进行展望，并分享出国交流经历。

在交流讨论环节，2021级硕士生傅澳晖对该方法在工业界的应用方面进行提问；2021级博士生房世玉对路径补全错误的处理、相同历史轨迹补全结果进行提问；2018级博士生付全路对路径选择中对最短路径的考量、是否符合出行常理进行提问；2021级硕士生吴学绵对路径历史信息具体如何在模型中应用进行提问；2023级硕士生叶轶淳对路径补全过程中生成路径出现错误的处理、损失函数的设计进行提问；2023级硕士生刘林坤对缺失路径个数如何确定进行提问；

孙杰老师对基于路径、基于路段、基于序贯的方法之间的区别以及如何进行路径补全、是否考虑路径间的关联性等方面进行提问；田野老师对徐汇区路网出租车数据的可用性和特殊性、以及对小路径的合并等方面进行提问；倪颖老师对出租车数据的时效性、驾驶员历史数据信息及个人属性进行提问；杭鹏老师对分时段的路径选择行为差异、研究应用方面进行提问；梁浩阳老师建议融合驾驶员主观决策模型进行建模；孙剑老师提出建议，希望能够详细介绍研究背景、工程意义、现实意义，问题的定义和方法的评价要回归交通的本质；并对模型对不同路网、非出租车对象的迁移性进行讨论。

至此，本次组会圆满结束。