计算路网节点间的最短路径距离是许多图论算法和交通应用的核心。传统的精确方法，如迪杰斯特拉算法（Dijkstra）难以应用在当代快速发展的大规模城市道路网络上。因此，我们希望寻找到一种快速、较准确的近似距离方法。随着深度学习和图嵌入技术的发展，我们利用向量嵌入、图卷积神经网络以及机器学习等技术，结合道路节点的真实信息，来近似大型路网的最短路径距离，目前能得到不错的估计结果，但模型在结构、时间消耗上还存在一定问题，需要进一步优化。
附件: 最短路径距离估计报告.pdf [登录 后查看]
自动标签 : 路径 距离 算法 学习 嵌入 技术 发展 节点 应用 存在 时间 模型 图论
更多 [ 报告 ] 文章