BuildSenSys：利用跨域学习复用建筑传感数据实现交通预测
信号处理
2020-03-17 v1
摘要
随着智慧城市的快速发展，智能建筑通过所配备的传感器正在产生海量建筑传感数据。事实上，建筑传感数据为丰富一系列数据需求大且成本高的城市移动应用提供了可行途径。在本文中，我们研究如何复用建筑传感数据来预测附近道路上的交通流量。然而，在此类跨域数据上实现准确预测并非易事，存在两大主要挑战。首先，建筑传感数据与交通数据之间的关系并非先验已知，且时空复杂性进一步增加了揭示上述关系背后潜在原因的难度。其次，在具有跨域、非线性和时变特性的动态建筑-交通相关性下准确预测交通流量则更为困难。为应对上述挑战，我们设计并实现了 BuildSenSys，这是首个通过复用建筑传感数据来预测附近交通流量的系统。首先，我们基于多源数据集进行了全面的建筑-交通分析，揭示了建筑传感数据与附近交通流量相关的方式及原因。其次，我们提出了一种基于跨域学习并带两种注意力机制的新型循环神经网络用于交通流量预测。具体而言，跨域注意力机制捕捉建筑-交通相关性，并在每个预测步骤自适应提取最相关的建筑传感数据。随后，采用时间注意力机制对历史时间间隔数据的时序依赖关系进行建模。大量实验研究表明，BuildSenSys 优于所有基线方法，在预测附近交通流量时准确率提升高达 65.3%（例如 2.2% MAPE）。
引用
@article{arxiv.2003.06309,
title = {BuildSenSys: Reusing Building Sensing Data for Traffic Prediction with Cross-domain Learning},
author = {Xiaochen Fan and Chaocan Xiang and Chao Chen and Panlong Yang and Liangyi Gong and Xudong Song and Priyadarsi Nanda and Xiangjian He},
journal= {arXiv preprint arXiv:2003.06309},
year = {2020}
}
备注
17 pages; 17 figures. in IEEE Transactions on Mobile Computing