Multi-scale Traffic Pattern Bank for Cross-city Few-shot Traffic Forecasting

要約

交通予測は高度道路交通システム (ITS) にとって極めて重要であり、効率的なリソース割り当てと効果的な交通制御に役立ちます。
ただし、その有効性は豊富な交通データに大きく依存していることが多く、多くの都市ではデバイスのサポートが限られているため十分なデータが不足しており、交通予測に大きな課題をもたらしています。
この課題を認識して、私たちは注目すべき観察を行いました。交通パターンはさまざまな都市間で類似性を示しているということです。
この重要な洞察に基づいて、マルチスケール交通パターン バンク (MTPB) と呼ばれる都市間の少数ショット交通予測​​問題に対するソリューションを提案します。
主に、MTPB はデータが豊富なソース都市を活用して学習プロセスを開始し、時空間を認識した事前トレーニング プロセスを通じて包括的な交通知識を効果的に取得します。
その後、フレームワークは高度なクラスタリング技術を使用して、学習した知識から導出されたマルチスケールのトラフィック パターン バンクを体系的に生成します。
次に、データが不足している対象都市の交通データを交通パターン バンクに問い合わせることで、メタ知識の集約が容易になります。
このメタ知識は、グラフの再構成と予測を含む後続のプロセスにおける堅牢なガイドとして極めて重要な役割を果たします。
現実世界の交通データセットに対して実施された実証的評価では、MTPB の優れたパフォーマンスが確認され、さまざまなカテゴリーにわたる既存の手法を上回り、都市間の少数ショット予測手法の進歩に役立つ数多くの特性が示されています。
コードは https://github.com/zhyliu00/MTPB で入手できます。

要約(オリジナル)

Traffic forecasting is crucial for intelligent transportation systems (ITS), aiding in efficient resource allocation and effective traffic control. However, its effectiveness often relies heavily on abundant traffic data, while many cities lack sufficient data due to limited device support, posing a significant challenge for traffic forecasting. Recognizing this challenge, we have made a noteworthy observation: traffic patterns exhibit similarities across diverse cities. Building on this key insight, we propose a solution for the cross-city few-shot traffic forecasting problem called Multi-scale Traffic Pattern Bank (MTPB). Primarily, MTPB initiates its learning process by leveraging data-rich source cities, effectively acquiring comprehensive traffic knowledge through a spatial-temporal-aware pre-training process. Subsequently, the framework employs advanced clustering techniques to systematically generate a multi-scale traffic pattern bank derived from the learned knowledge. Next, the traffic data of the data-scarce target city could query the traffic pattern bank, facilitating the aggregation of meta-knowledge. This meta-knowledge, in turn, assumes a pivotal role as a robust guide in subsequent processes involving graph reconstruction and forecasting. Empirical assessments conducted on real-world traffic datasets affirm the superior performance of MTPB, surpassing existing methods across various categories and exhibiting numerous attributes conducive to the advancement of cross-city few-shot forecasting methodologies. The code is available in https://github.com/zhyliu00/MTPB.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google