随着机器学习算法的发展、计算设备的进步以及交通数据可用性的提升，大多数关于交通管理数据驱动优化的研究主要采用了两阶段方法，但是已有的方法在处理数据方面仍存在缺陷。接下来，让我们一起走进本期虹学讲堂，了解关于两阶段方法的最新理论发展情况及其缺陷吧！
前情回顾
5月10日下午，由研究生院/研究生工作部主办、运输工程学院承办、校研究生科学技术协会协办的“虹”学讲堂第366讲以线上讲座形式顺利举办。香港理工大学王帅安教授作了题为“运输系统管理的规范性分析：最新发展”的报告，相关学院共300余名师生参加讲座。
王帅安教授作报告
本次报告主要包括以下三部分：
（1）背景：传统两阶段方法
（2）新的两阶段方法：考虑不确定性
（3）集成预测和优化
1背景：传统两阶段方法✦
通过求解最优路径的案例，王帅安教授提到，两阶段方法的求解步骤是建立机器学习模型、预测两条路上的出行时间、选择出行时间最短的路径。在此基础上，王帅安教授分别探讨了LR模型和KNN机器学习模型的思想及求解方法。
2新的两阶段方法：
考虑不确定性✦
传统的两阶段方法中用均值代替随机参数，这可能会出现较差的结果。针对上述缺陷，王帅安教授通过实例分别解释了Local approach和Global approach两种新型两阶段法的概念、适用条件和求解思路，对比分析了新的两阶段方法与传统两阶段法的区别、联系及各自的优缺点。
具体而言，①Local approach求解思想：不再预测未知参数的均值，而是预测未知参数的分布，将分布情况带入原有优化模型中进行求解。②Global approach求解思想：作为基于百分位回归的方法，求解思路会根据预测值与真实值的大小关系设定相应的不同惩罚，通过调整不同惩罚的大小，得到不同的百分位。
讲座现场
3集成预测和优化✦
王帅安教授讲述了集成预测与优化的内容，对比分析了集成预测与优化和两阶段法优缺点，区分整合了两阶段法的两个阶段，探讨了如何利用两阶段法求解问题，提到了用集成预测与优化方法解决某些问题模型更困难但在某些场景下可以找到更高质量的解。此外，王帅安教授强调，本次报告中所展示的方法并非都是最佳方法，同学们应根据实际情况决定选用哪种方法。
报告最后，王帅安教授解答了同学们在两阶段法和集成优化相关理论与实践中遇到的具体问题，使同学们对分析和解决运输系统管理问题的思路更清晰，本次活动圆满结束！