Strada-LLM: Graph LLM for traffic prediction

要約

トラフィック予測は、インテリジェント輸送システムの重要なコンポーネントです。
空間的および時間的次元の両方のトラフィックパターンについて推論することにより、正確で解釈可能な予測を提供できます。
交通予測のかなりの課題は、異なる場所で発生する大幅に異なる交通条件によって引き起こされる多様なデータ分布を処理することにあります。
LLMは、ラベル付けされたデータサンプル、つまり少ないショットの適応性を持つ新しいデータセットに適応する顕著な能力により、支配的なソリューションでした。
ただし、既存の予測手法は、主にローカルグラフ情報の抽出とテキストのようなプロンプトの形成に焦点を当てており、LLMベースのトラフィック予測をオープンな問題にしています。
この作業は、3つのハイライトを備えたトラフィック予測の確率的LLMを提示します。
近位の交通情報を考慮するトラフィック予測のために、グラフ認識LLMを提案します。
具体的には、隣接するノードのトラフィックを共変量と見なすことにより、モデルは対応する時系列LLMよりも優れています。
さらに、新しいデータ分布が少ない方法で直面している場合、効率的なドメイン適応のために軽量アプローチを採用しています。
比較実験は、提案された方法が最先端のLLMベースの方法と従来のGNNベースの監視されたアプローチを上回ることを示しています。
さらに、Strada-llmは、顕著なパフォーマンス低下なしに、異なるLLMバックボーンに簡単に適合できます。

要約(オリジナル)

Traffic prediction is a vital component of intelligent transportation systems. By reasoning about traffic patterns in both the spatial and temporal dimensions, accurate and interpretable predictions can be provided. A considerable challenge in traffic prediction lies in handling the diverse data distributions caused by vastly different traffic conditions occurring at different locations. LLMs have been a dominant solution due to their remarkable capacity to adapt to new datasets with very few labeled data samples, i.e., few-shot adaptability. However, existing forecasting techniques mainly focus on extracting local graph information and forming a text-like prompt, leaving LLM- based traffic prediction an open problem. This work presents a probabilistic LLM for traffic forecasting with three highlights. We propose a graph-aware LLM for traffic prediction that considers proximal traffic information. Specifically, by considering the traffic of neighboring nodes as covariates, our model outperforms the corresponding time-series LLM. Furthermore, we adopt a lightweight approach for efficient domain adaptation when facing new data distributions in few-shot fashion. The comparative experiment demonstrates the proposed method outperforms the state-of-the-art LLM-based methods and the traditional GNN- based supervised approaches. Furthermore, Strada-LLM can be easily adapted to different LLM backbones without a noticeable performance drop.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google