UUKG: Unified Urban Knowledge Graph Dataset for Urban Spatiotemporal Prediction

要約

正確な都市時空間予測 (USTP) は、スマート シティの開発と運用にとって非常に重要です。
新たな構成要素として、複数ソースの都市データは通常、都市ナレッジ グラフ (UrbanKG) として統合され、都市の時空間予測モデルに重要な知識を提供します。
ただし、既存の UrbanKG は特定の下流予測タスクに合わせて調整されていることが多く、一般に公開されていないため、潜在的な進歩は限られています。
この論文では、知識強化された都市時空間予測のための統合都市知識グラフ データセットである UUKG について説明します。
具体的には、まず行政区、POI、道路セグメントなどの異種都市エンティティを接続することにより、2 つの大都市の数百万のトリプレットで構成される UrbanKG を構築します。
さらに、構築された UrbanKG の定性的および定量的分析を実施し、下流の USTP タスクに利益をもたらすために活用できる、階層やサイクルなどの多様な高次構造パターンを明らかにします。
UrbanKG の使用を検証して促進するために、KG 完了タスクで 15 KG 埋め込み手法を実装して評価し、学習した KG 埋め込みを 5 つの異なる USTP タスクの 9 つの時空間モデルに統合します。
広範な実験結果は、さまざまなタスク設定の下で知識を強化した USTP モデルのベンチマークを提供するだけでなく、最先端の高次構造を認識した UrbanKG 埋め込み手法の可能性も強調します。
私たちは、提案された UUKG が都市ナレッジ グラフと広範なスマート シティ アプリケーションに関する研究を促進することを願っています。
データセットとソース コードは https://github.com/usail-hkust/UUKG/ で入手できます。

要約(オリジナル)

Accurate Urban SpatioTemporal Prediction (USTP) is of great importance to the development and operation of the smart city. As an emerging building block, multi-sourced urban data are usually integrated as urban knowledge graphs (UrbanKGs) to provide critical knowledge for urban spatiotemporal prediction models. However, existing UrbanKGs are often tailored for specific downstream prediction tasks and are not publicly available, which limits the potential advancement. This paper presents UUKG, the unified urban knowledge graph dataset for knowledge-enhanced urban spatiotemporal predictions. Specifically, we first construct UrbanKGs consisting of millions of triplets for two metropolises by connecting heterogeneous urban entities such as administrative boroughs, POIs, and road segments. Moreover, we conduct qualitative and quantitative analysis on constructed UrbanKGs and uncover diverse high-order structural patterns, such as hierarchies and cycles, that can be leveraged to benefit downstream USTP tasks. To validate and facilitate the use of UrbanKGs, we implement and evaluate 15 KG embedding methods on the KG completion task and integrate the learned KG embeddings into 9 spatiotemporal models for five different USTP tasks. The extensive experimental results not only provide benchmarks of knowledge-enhanced USTP models under different task settings but also highlight the potential of state-of-the-art high-order structure-aware UrbanKG embedding methods. We hope the proposed UUKG fosters research on urban knowledge graphs and broad smart city applications. The dataset and source code are available at https://github.com/usail-hkust/UUKG/.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google