Urban Regional Function Guided Traffic Flow Prediction

要約

交通量の予測は、時空間解析において困難かつ重要な問題であり、最近関心が高まっています。
時空間相関に加えて、都市部の機能性も交通流予測において重要な役割を果たします。
ただし、地域の機能属性の調査は、主に追加のトポロジ構造を追加することに焦点を当てており、地域のトラフィックパターンに対する機能属性の影響を無視しています。
既存の作品とは異なり、POI-MetaBlock という名前の新しいモジュールを提案します。これは、各地域の機能 (Point of Interest 分布によって表される) をメタデータとして利用して、さまざまな機能を持つエリアのさまざまなトラフィック特性をさらにマイニングします。
具体的には、提案された POI-MetaBlock は自己注意アーキテクチャを採用し、POI と時間情報を組み込んで各地域の動的注意パラメータを生成します。これにより、モデルはさまざまな時間にさまざまなエリアのさまざまな交通パターンに適合できます。
さらに、当社の軽量 POI-MetaBlock は、従来のトラフィック フロー予測モデルに簡単に統合できます。
広範な実験により、私たちのモジュールが交通流予測のパフォーマンスを大幅に改善し、メタデータを使用する最先端の方法よりも優れていることが実証されています。

要約(オリジナル)

The prediction of traffic flow is a challenging yet crucial problem in spatial-temporal analysis, which has recently gained increasing interest. In addition to spatial-temporal correlations, the functionality of urban areas also plays a crucial role in traffic flow prediction. However, the exploration of regional functional attributes mainly focuses on adding additional topological structures, ignoring the influence of functional attributes on regional traffic patterns. Different from the existing works, we propose a novel module named POI-MetaBlock, which utilizes the functionality of each region (represented by Point of Interest distribution) as metadata to further mine different traffic characteristics in areas with different functions. Specifically, the proposed POI-MetaBlock employs a self-attention architecture and incorporates POI and time information to generate dynamic attention parameters for each region, which enables the model to fit different traffic patterns of various areas at different times. Furthermore, our lightweight POI-MetaBlock can be easily integrated into conventional traffic flow prediction models. Extensive experiments demonstrate that our module significantly improves the performance of traffic flow prediction and outperforms state-of-the-art methods that use metadata.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google