다중 그래프 특징 추출을 사용한 최단 경로 비용 예측

항공 택시, 주문형 항공기 및 대형 무인 항공기와 같은 새로운 도시 항공 이동 개념이 일상 생활에 통합됨에 따라 기존의 전통적인 공항 인프라와의 원활한 상호 작용을 보장하는 것은 지속 가능한 민간 항공 산업을 달성하는 데 필수적입니다.

미래의 혼합 동작 모드 공항 환경에서 안전을 유지하면서 운영 효율성과 에너지 소비를 개선하기 위해 연구원들은 항공기 궤적을 사용하여 MOMG(다목적 그래프) 검색 문제로 공항 지상 동작을 모델링합니다. 최단 경로 비용의 빠른 추정은 MOMG에서 최적 경로에 대한 경험적 검색을 수행하는 데 중요합니다. 그러나 이전 작업에서는 비용을 얻기 위해 주로 정확한 검색 알고리즘을 사용했는데, 이는 계산 비용이 많이 듭니다.

Green Energy and Smart Transportation 저널에 게재된 연구 2024년 1월 20일 MOMG 특징을 추출하여 회귀 예측을 통해 최단 경로 비용을 효율적으로 추정합니다. 본 논문에서는 벤치마크 MOMG를 중심으로 두 가지 추출 방법, 즉 그래프 이론 원리에 따라 22개의 물리적 노드 패턴을 요약하는 통계 기반 방법과 노드 임베딩 기법을 사용하여 그래프 구조를 판별적으로 인코딩하는 학습 기반 방법을 제안하고 비교합니다. 벡터 공간. .

통계 기반 추출 방법에서 논문의 저자는 주성분 분석을 채택하여 노드 물리적 패턴을 평가하고 최단 경로 비용 예측에 대한 개별 중요성을 밝힙니다. 학습 기반 추출 방법과 관련하여 노드 임베딩 알고리즘은 일반적으로 임베딩 벡터를 생성하기 위해 간단한 단일 목적 그래프에 의존하기 때문에 논문의 저자는 다중 그래프 단순화를 위한 두 가지 방법인 노드 반복과 가장자리 가지치기를 제시하고 비교합니다. 다음으로, 예측 기능을 입증하기 위해 다층 퍼셉트론(MLP), 다항식 회귀(PR) 및 그래디언트 부스팅 회귀 트리(GBRT)라는 세 가지 회귀 모델을 테스트했습니다. 마지막으로 무작위로 생성된 참조 MOMG에 대한 실험을 수행하여 (1) 통계 기반 추출 방법은 심각한 과대평가로 인해 작은 거리 값을 특성화하는 데 성능이 좋지 않음을 보여줍니다. (2) 기본 물리적 패턴의 하위 집합은 전체 패턴 집합을 기반으로 한 예측 정확도와 비슷하거나 약간 더 나은 예측 정확도를 달성할 수 있습니다. (3) 학습 기반 추출 방법은 계산 복잡성의 경쟁력 있는 수준을 유지하면서 통계 기반 방법보다 지속적으로 성능이 뛰어납니다.

향후 노력에서 이 논문의 저자는 6가지 방향에 초점을 맞출 것입니다. (1) 노드의 추가 물리적 패턴을 탐색합니다. (2) 최단 경로 비용을 예측하기 위해 노드 물리적 패턴을 사용할 때 작은 거리의 과대평가를 처리하는 메커니즘을 개발합니다. (3) PR 및 GBRT의 하이퍼파라미터를 미세 조정합니다. (iv) 최단 경로 비용 예측 성능을 평가하기 위해 더 많은 회귀 모델을 사용한 추가 연구 및 실험; (5) 각 노드에 대해 생성된 랜덤 워크 수를 제어하는 ​​Node2vec 노드 임베딩 알고리즘의 하이퍼파라미터를 찾습니다. (6) 실제 운영에서 직면하는 제약을 처리하는 기술을 통합하여 제안된 방법을 실제 공항 사례에 적용합니다.