TransFlower: An Explainable Transformer-Based Model with Flow-to-Flow Attention for Commuting Flow Prediction

要約

都市計画と通勤の流れの関係を理解することは、都市開発と政策立案を導く上で非常に重要です。
この研究は、コンピュータ サイエンスと都市研究の橋渡しとして、これらの分野をそれぞれの異なる焦点で統合するという課題に取り組んでいます。
重力モデルや放射線モデルなどの従来の都市研究手法は、複数の変数の取り扱いが限られていることや、空間等方性などの過度に単純化された非現実的な仮定に依存しているため、複雑なシナリオではパフォーマンスが低下することがよくあります。
深層学習モデルは精度の向上をもたらしますが、そのブラックボックスの性質により、パフォーマンスと説明可能性の間にトレードオフが生じます。どちらも、通勤の流れのような複雑な社会現象を分析するのに不可欠です。
これに対処するために、都市部の通勤パターンを予測するためにフローツーフローの注意を採用した説明可能な変圧器ベースのモデルである TransFflower を紹介します。
微妙な流れ表現のための異方性を認識した相対位置エンコーダを備えた地理空間エンコーダを備えています。
これに続いて、トランスフォーマーベースのフロー予測機能が、アテンション メカニズムを活用してフローの相互作用を効率的にキャプチャすることで、これを強化します。
私たちのモデルは、通勤者の共通部分で既存の手法を最大 30.8% 上回っており、都市計画や政策決定に重要なモビリティ ダイナミクスに関する洞察を提供します。

要約(オリジナル)

Understanding the link between urban planning and commuting flows is crucial for guiding urban development and policymaking. This research, bridging computer science and urban studies, addresses the challenge of integrating these fields with their distinct focuses. Traditional urban studies methods, like the gravity and radiation models, often underperform in complex scenarios due to their limited handling of multiple variables and reliance on overly simplistic and unrealistic assumptions, such as spatial isotropy. While deep learning models offer improved accuracy, their black-box nature poses a trade-off between performance and explainability — both vital for analyzing complex societal phenomena like commuting flows. To address this, we introduce TransFlower, an explainable, transformer-based model employing flow-to-flow attention to predict urban commuting patterns. It features a geospatial encoder with an anisotropy-aware relative location encoder for nuanced flow representation. Following this, the transformer-based flow predictor enhances this by leveraging attention mechanisms to efficiently capture flow interactions. Our model outperforms existing methods by up to 30.8% Common Part of Commuters, offering insights into mobility dynamics crucial for urban planning and policy decisions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google