联合覆盖率飙至92%，路径决策反而更差！
Joint upper-bound coverage and route-choice utility: an empirical evaluation on two urban proxy tasks
📖 AI 总结
该研究探讨了交通预测精度与不确定性覆盖能否改善路径决策这一尚不明确的问题，采用冻结协议将速度误差、联合候选路径上界覆盖率、路径选择与实际损失相分离。基于北京和成都的道路速度数据，构建了包含150个起讫点对、三条候选路径及每城14个测试日的离线代理任务，比较原始90百分位路径时间上界与联合校准上界在最小上界路径选择下的表现。结果显示，联合覆盖率在北京M1从83.19%升至92.26%，成都M1从75.14%升至88.33%，成都M2从74.01%升至90.64%，但C2策略反而使迟到率分别增加0.1633、0.7848和0.9200个百分点，平均出行时间增加0.588、3.082和4.418秒。另一项成都预测器对比中，速度平均绝对误差降低14.91%伴随C0下迟到率下降1.4571个百分点。研究表明，在这些冻结任务中，联合覆盖率并不能替代下游路径效用，离线结果无法确立在线或因果收益。
🔑 关键词速览
| 联合上界覆盖 | 指候选路径集合中，真实路径时间不超过预测上界的比例，衡量不确定性覆盖的联合效果。 |
| 路径选择效用 | 指路径决策带来的实际收益或损失，通常用迟到率、旅行时间等下游指标衡量。 |
| 最小边界路径选择 | 一种路径选择策略，选择预测上界最小的路径，常用于评估不确定性下的决策。 |
| 离线代理任务 | 基于历史数据构建的模拟决策任务，用于在无法进行在线实验时评估算法性能。 |
| 冻结协议 | 一种固定的实验流程，确保不同方法在相同条件下比较，避免因调整引入偏差。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅