활용 사례 연구
Toward Equitable Low-Carbon Mobility: Fairness-Aware Demand Prediction for Expanding Bike-Sharing Systems
ARarXiv
자전거 공유 시스템 확장에 맞춰 공정성을 고려한 수요 예측 모델인 FairGIN을 제안했다.
세 줄 요약
- FairGIN은 훈련 중 네트워크 확장을 시뮬레이션하고, 데이터가 풍부한 곳에서 부족한 곳으로 지식을 전이하며, 소득 계층별 정규화를 도입한다.
- NYC와 Seattle 실험 결과, FairGIN은 다양한 확장 시나리오에서 최고 수준의 예측 정확도를 달성했다. 또한 소득 기반 격차를 줄였다고 한다.
- 모델은 기존 데이터가 구조적 불평등을 담을 수 있어, 공정성을 고려한 배치가 필요하다는 점에 초점을 맞추었다.
자전거 공유 시스템 확장에 맞춰 공정성을 고려한 수요 예측 모델인 FairGIN을 제안했다.