DualCast：一种用于分离交通序列中非周期性事件的模型
机器学习
2025-06-10 v2 人工智能
摘要
交通预测对于交通系统优化至关重要。当前模型最小化平均预测误差，往往偏好训练数据中常见的周期性事件，而忽略诸如交通事故等关键非周期性事件。为此，我们提出DualCast，一个双分支框架，将交通信号解耦为内在时空模式和外部环境背景，包括非周期性事件。DualCast还采用跨时间注意力机制捕获来自周期性和非周期性模式的高阶时空关系。DualCast具有良好的通用性。我们将其集成到最近的交通预测模型中，在多个真实数据集上 consistently 将预测误差降低最高可达9.6%。我们的源代码已公开于 https://github.com/suzy0223/DualCast。
引用
@article{arxiv.2411.18286,
title = {DualCast: A Model to Disentangle Aperiodic Events from Traffic Series},
author = {Xinyu Su and Feng Liu and Yanchuan Chang and Egemen Tanin and Majid Sarvi and Jianzhong Qi},
journal= {arXiv preprint arXiv:2411.18286},
year = {2025}
}
备注
Accepted by IJCAI2025