引用m_ke · 2021-09
“even google maps uses GNNs for ETA estimates and routing.”
举例说明 Google Maps 用 GNN 做到达时间估计和路线规划
Google Maps 线上部署的 GNN 到达时间预测模型
论文介绍已在 Google Maps 线上部署的图神经网络到达时间(ETA)估计器,主体结构由标准 GNN 模块组成,并用 MetaGradients 等训练调度方法使模型足够稳健。作者提供了架构与训练方式的消融和真实案例分析,称相较此前的线上基线,在多个地区显著减少了不良 ETA 结果(如悉尼等城市降低 40% 以上)。
评论者把它当作图神经网络已用于生产系统的例子,指出 Google Maps 用 GNN 做到达时间估计和路线规划。
这条路径帮你建立图神经网络的基础:从图卷积、消息传递、图注意力到统一的图网络框架,再读 Google Maps 的 ETA 模型。
GCN 是图神经网络的基础模型,后续消息传递与注意力变体都建立在它之上。
读逐层传播规则与邻接矩阵归一化的含义;半监督节点分类的设定。
MPNN 把各种图网络统一成消息传递加读出的框架,ETA 模型的结构属于这一族。
读消息函数、更新函数、读出函数三部分的抽象;分子预测实验可略读。
图网络(GN)框架明确了节点、边、全局属性的更新,ETA 模型采用这类思路。
读GN block 的边、节点、全局三类更新与归纳偏置的讨论;跳过其余综述性内容。
目标论文:把路段子图上的 GNN 用于线上 ETA 预测。
读路网如何建成图、模型结构与训练稳定性手段;再看线上部署效果。
“even google maps uses GNNs for ETA estimates and routing.”