BIGCity：用于统一轨迹与交通状态数据分析的通用时空模型
人工智能
2024-12-03 v1
摘要
典型的动态时空（ST）数据包括代表单个层次 mobility 的轨迹数据和代表群体层次 mobility 的交通状态数据。传统研究常将轨迹和交通状态数据视为独立的模态，分别针对单个模态内的特定任务进行设计。然而，实际应用（如导航应用）需要联合分析轨迹和交通状态数据。将这些数据类型视为两个独立领域可能导致模型性能次优。虽然近期进展在时空数据预训练和时空基础模型旨在开发通用模型进行时空数据分析，但大多数现有模型为“多任务、单数据模态”（MTSM），即它们能处理轨迹数据或交通状态数据中的多个任务，但无法同时处理两者。为此，本文提出了 BIGCity，首个用于时空数据分析的多任务、多数据模态（MTMD）模型。设计 MTMD 时空模型面临两个关键挑战：（1）统一不同时空数据模态的表征；（2）统一异构时空分析任务。为克服第一个挑战，BIGCity 引入了新颖的时空单元（ST-unit），以统一格式表示轨迹和交通状态。此外，为解决第二个挑战，BIGCity 采用可调大的模型，配合时空任务导向的提示符，使其能够在无需微调的情况下执行多种异构任务。大量实验表明，BIGCity 在 8 个任务上实现了最先进的性能，超越了 18 个基线模型。据我们所知，BIGCity 是首个能够处理轨迹和交通状态以及多种异构任务的模型。我们的代码已公开于 https://github.com/bigscity/BIGCity。
引用
@article{arxiv.2412.00953,
title = {BIGCity: A Universal Spatiotemporal Model for Unified Trajectory and Traffic State Data Analysis},
author = {Xie Yu and Jingyuan Wang and Yifan Yang and Qian Huang and Ke Qu},
journal= {arXiv preprint arXiv:2412.00953},
year = {2024}
}