動的交通割当てのための機械学習予測均衡

本論文では、エージェントが実時間の遅延予測に基づいて経路選択を行う動的交通割当てモデルを提案する。このモデルは、完全情報モデルと即時情報モデルを特殊ケースとして含み、さらに歴史的データや経路上の流量情報に基づく予測を利用することができる。理論的には、因果性と FIFO 性を満たす予測関数の下で動的予測均衡が存在することを示し、近似的な動的予測均衡を計算するアルゴリズムを提案する。実験的には、様々な予測関数を比較し、その平均旅行時間への影響を分析する。