Towards Efficient and Comprehensive Urban Spatial-Temporal Prediction: A Unified Library and Performance Benchmark

要約

深層学習技術が進歩し、より多くの都市の時空間データが蓄積されるにつれて、都市の時空間予測問題を解決するために提案される深層学習モデルの数が増えています。
しかし、既存の分野には限界があり、オープンソース データはさまざまな形式で使いにくいこと、コードとデータをオープンに公開している論文はほとんどないこと、オープンソース モデルは異なるフレームワークやプラットフォームを使用していることが多く、比較が困難であることなどが挙げられます。
これらの方法を実装および評価するには、標準化されたフレームワークが緊急に必要です。
これらの問題に対処するために、都市の時空間予測の包括的なレビューを提供し、アトミック ファイルと呼ばれる時空間データの統一された保存形式を提案します。
また、研究者に信頼できる実験ツールと便利な開発フレームワークを提供するオープンソース ライブラリである LibCity も提案します。
このライブラリでは、65 の時空間予測モデルを再現し、55 の時空間データセットを収集しており、研究者が包括的な実験を便利に実行できるようにしています。
LibCity を使用して、さまざまなモデルやコンポーネントの有効性を検証する一連の実験を実施し、時空間予測に関する有望な将来の技術開発と研究の方向性をまとめました。
LibCity は、公正なモデル比較を可能にし、統一されたデータ ストレージ形式を設計し、新しいモデルの開発プロセスを簡素化することで、時空間予測分野に大きく貢献する態勢を整えています。

要約(オリジナル)

As deep learning technology advances and more urban spatial-temporal data accumulates, an increasing number of deep learning models are being proposed to solve urban spatial-temporal prediction problems. However, there are limitations in the existing field, including open-source data being in various formats and difficult to use, few papers making their code and data openly available, and open-source models often using different frameworks and platforms, making comparisons challenging. A standardized framework is urgently needed to implement and evaluate these methods. To address these issues, we provide a comprehensive review of urban spatial-temporal prediction and propose a unified storage format for spatial-temporal data called atomic files. We also propose LibCity, an open-source library that offers researchers a credible experimental tool and a convenient development framework. In this library, we have reproduced 65 spatial-temporal prediction models and collected 55 spatial-temporal datasets, allowing researchers to conduct comprehensive experiments conveniently. Using LibCity, we conducted a series of experiments to validate the effectiveness of different models and components, and we summarized promising future technology developments and research directions for spatial-temporal prediction. By enabling fair model comparisons, designing a unified data storage format, and simplifying the process of developing new models, LibCity is poised to make significant contributions to the spatial-temporal prediction field.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google