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

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、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 を提案します。
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 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 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. 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