该文档属于类型a，是一篇关于ETA（Estimated Time of Arrival，预计到达时间）预测的原创性研究论文。以下是详细的学术报告内容：

作者及机构
本研究由南京理工大学的Yurui Huang、Yang Yang、Jian Yang，华泰证券的Jie Zhang以及百度的Hengda Bao合作完成，发表于2021年11月2日至5日举办的ACM SIGSPATIAL国际会议（会议全称：29th International Conference on Advances in Geographic Information Systems），论文标题为《Complementary Fusion of Deep Network and Tree Model for ETA Prediction》。

学术背景
ETA是交通系统中的核心指标，用于预测从起点到终点的行程时间，其准确性直接影响导航系统、网约车平台的用户体验及运营效率。传统ETA预测方法依赖单一模型（如树模型或神经网络），但存在泛化能力不足或特征提取不充分的问题。本研究的目标是通过深度融合树模型（Tree Model）与卷积神经网络（CNN），提出一种互补性集成方案，以提升预测精度与鲁棒性。研究背景基于以下关键点：
1. 领域需求：网约车平台需高精度ETA以优化路线规划、定价及用户决策。
2. 技术挑战：交通数据具有时空依赖性、序列性（如路段链接序列）和动态性（如潮汐交通现象），需多模态特征融合。
3. 方法创新：结合树模型的统计特征优势与CNN的序列建模能力，填补现有研究空白。

研究流程与方法
研究分为四个核心环节：特征工程、神经网络建模、树模型构建及集成策略。

1. 特征工程

   • 神经网络特征：
     
     • 密集特征（Dense Features）：提取时间相关统计量（如路段时间总和、最大值）、路况状态量化指标（5种统计量）、预估平均速度。
       
     • 类别特征（Categorical Features）：司机历史订单时间（如最近一次订单时间），缺失值填充为-999。
       
   • 树模型特征：
     
     • 统计特征：路段时间、交叉口时间、路段数量的均值/总和。
       
     • 时空特征：日期（是否周末）、时间分箱（早/中/晚高峰）、拓扑特征（上下游路段数量统计）。
       
     • 嵌入特征：将路段序列视为文本，提取词向量（Word Embedding）和LDA主题特征，并融合神经网络的监督嵌入。
       

2. 神经网络结构

   • CNN架构：将路段序列视为一维文本，采用多尺度卷积核（尺寸2/3/4/5，各32个滤波器）进行特征提取，通过全局最大池化生成128维特征。
     
   • 序列处理：对长序列进行截断（保留前200或后200），拼接路段描述特征（时间、比例、状态）形成$s \times (d+3)$矩阵。
     
   • 深度交互：类别特征（如司机ID）通过嵌入层与密集特征交互，最终输出经MLP（多层感知机）融合，损失函数为MAPE（平均绝对百分比误差）。
     

3. 树模型方案

   • 算法选择：采用LightGBM和CatBoost两种梯度提升树（GBDT）算法，以MAE（平均绝对误差）为损失函数。
     
   • 特征输入：共构建371维特征，包括统计、时空及神经网络嵌入特征。
     

4. 集成策略

   • 加权融合：训练8个CNN模型（不同嵌入尺寸与截断方式），与树模型预测结果通过验证集性能分配权重，最终加权平均输出。
     

主要结果
1. 模型性能：在SIGSPATIAL 2021 GIS Cup竞赛的A/B测试集上分别取得0.11981和0.11974的评分，排名第一，且A/B列表差异微小，表明模型泛化能力优异。
2. 特征贡献：
- CNN有效捕捉路段序列的上下文信息（如拥堵传播模式）。
- 树模型补充了统计特征与时空规律（如高峰时段影响）。
3. 消融实验：双截断策略（前后截断）和嵌入尺寸多样性（9/15/20/30）显著提升模型稳定性。

结论与价值
1. 科学价值：提出首个CNN与树模型的互补性融合框架，证明异构模型集成能协同提升时空预测任务性能。
2. 应用价值：方案已应用于实际导航系统，优化网约车平台的ETA服务，提升用户满意度与平台效率。
3. 方法论创新：
- 将路段序列建模为文本，扩展了CNN在非NLP领域的适用性。
- 设计了面向树模型的多模态特征构造方法（如LDA主题特征）。

研究亮点
1. 跨领域方法融合：首次将文本卷积技术（TextCNN）适配于交通序列建模。
2. 工程实践性：特征工程覆盖实际业务数据（如司机行为、天气），模型具备工业落地能力。
3. 竞赛验证：在权威竞赛中夺冠，结果可复现性强。

其他价值
论文开源了特征构造与模型集成代码，为后续研究提供基准工具。此外，提出的截断与嵌入策略可迁移至其他序列预测任务（如物流配送时间估计）。