Road Network Guided Fine-Grained Urban Traffic Flow Inference

要約

タイトル：道路ネットワークに基づく細粒度な都市交通フローの推論

要約：
– 細粒度な交通フローを正確に推論することは、必要な交通監視センサーの数を削減し、コスト削減に役立つ重要な課題である。
– 道路ネットワークは交通フローと高い相関があるため、以前の研究では完全に無視されたか、外部要因として単純に扱われた。
– この問題を解決するために、本研究では、道路ネットワークの事前知識を明示的に利用するRoad-Aware Traffic Flow Magnifier (RATFM)を提案する。
– RATFMは、道路ネットワークの意味的特徴を抽出するために多方向1D畳み込み層を導入し、道路相対交通フローの短距離空間分布モデル化を規則化するために道路ネットワーク特徴と粗いグレインフロー特徴を組み合わせる。
– さらに、道路ネットワーク特徴をクエリとして使用し、トランスフォーマーアーキテクチャで交通流の長距離空間分布をキャプチャする。
– 道路に基づく推論メカニズムにより、提案手法は高品質の細粒度な交通フローマップを生成できる。
– 3つの実世界データセットでの広範な実験により、提案されたRATFMはさまざまなシナリオで最新のモデルより優れた性能を発揮することが示された。提供されるコードとデータセットにアクセスできるようになっています。

要約(オリジナル)

Accurate inference of fine-grained traffic flow from coarse-grained one is an emerging yet crucial problem, which can help greatly reduce the number of the required traffic monitoring sensors for cost savings. In this work, we notice that traffic flow has a high correlation with road network, which was either completely ignored or simply treated as an external factor in previous works.To facilitate this problem, we propose a novel Road-Aware Traffic Flow Magnifier (RATFM) that explicitly exploits the prior knowledge of road networks to fully learn the road-aware spatial distribution of fine-grained traffic flow. Specifically, a multi-directional 1D convolutional layer is first introduced to extract the semantic feature of the road network. Subsequently, we incorporate the road network feature and coarse-grained flow feature to regularize the short-range spatial distribution modeling of road-relative traffic flow. Furthermore, we take the road network feature as a query to capture the long-range spatial distribution of traffic flow with a transformer architecture. Benefiting from the road-aware inference mechanism, our method can generate high-quality fine-grained traffic flow maps. Extensive experiments on three real-world datasets show that the proposed RATFM outperforms state-of-the-art models under various scenarios. Our code and datasets are released at {\url{https://github.com/luimoli/RATFM}}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI