★ 2
研究用机器学习改进救护车行程时间估计，超越商业导航
论文指出急救调度依赖静态查表与「救护车快 5%」等未经验证假设，商业导航也无法反映急救动态。基于瑞典 Skåne 历史数据，研究构建机器学习系统更准确估计行程时间，并用 SHAP 与置换重要性提升可解释性。
arXiv cs.LG7 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文指出急救调度依赖静态查表与「救护车快 5%」等未经验证假设，商业导航也无法反映急救动态。基于瑞典 Skåne 历史数据，研究构建机器学习系统更准确估计行程时间，并用 SHAP 与置换重要性提升可解释性。
针对急救调度中行程时间仅给单点预测的问题，论文提出不确定性感知方法，生成上下文自适应预测区间。基于瑞典 Skåne 地区两年救护车行程数据验证，预测区间在关键运营场景下覆盖稳定，可支持风险敏感的调度决策。