Unified Data Management and Comprehensive Performance Evaluation for Urban Spatial-Temporal Prediction [Experiment, Analysis & Benchmark]

要約

都市の時空間予測の分野は、深層学習技術の開発と大規模なデータセットの利用可能化により急速に進歩しています。
しかし、さまざまなソースからさまざまな形式で保存されている都市の多様な時空間データセットにアクセスして利用すること、また深層学習モデルの普及に伴い効果的なモデルの構造とコンポーネントを決定することには課題が残っています。
この研究はこれらの課題に対処し、3 つの重要な貢献を提供します。
まず、都市の時空間ビッグデータ用に設計された統一ストレージ形式である「アトミック ファイル」を導入し、40 の多様なデータセットでその有効性を検証し、データ管理を簡素化します。
次に、都市の時空間予測モデルにおける技術進歩の包括的な概要を示し、堅牢なモデルの開発を導きます。
第三に、多様なモデルとデータセットを使用して広範な実験を実施し、パフォーマンスリーダーボードを確立し、有望な研究の方向性を特定します。
全体として、この作業は都市の時空間データを効果的に管理し、今後の取り組みを導き、正確かつ効率的な都市の時空間予測モデルの開発を促進します。
これは都市の時空間データ管理と予測に長期的に貢献する可能性があり、最終的に都市生活水準の向上につながります。

要約(オリジナル)

The field of urban spatial-temporal prediction is advancing rapidly with the development of deep learning techniques and the availability of large-scale datasets. However, challenges persist in accessing and utilizing diverse urban spatial-temporal datasets from different sources and stored in different formats, as well as determining effective model structures and components with the proliferation of deep learning models. This work addresses these challenges and provides three significant contributions. Firstly, we introduce ‘atomic files’, a unified storage format designed for urban spatial-temporal big data, and validate its effectiveness on 40 diverse datasets, simplifying data management. Secondly, we present a comprehensive overview of technological advances in urban spatial-temporal prediction models, guiding the development of robust models. Thirdly, we conduct extensive experiments using diverse models and datasets, establishing a performance leaderboard and identifying promising research directions. Overall, this work effectively manages urban spatial-temporal data, guides future efforts, and facilitates the development of accurate and efficient urban spatial-temporal prediction models. It can potentially make long-term contributions to urban spatial-temporal data management and prediction, ultimately leading to improved urban living standards.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google