基于多尺度表征学习的城市细粒度流量推断
计算机视觉与模式识别
2024-06-17 v1 人工智能
摘要
城市细粒度流量推断 (FUFI) 是一个致力于提高交通效率和安全性的关键交通服务。FUFI 可仅基于观察到的粗粒度数据推断城市细粒度的交通流量。然而，大多数现有方法仅关注单尺度静态地理信息对 FUFI 的影响，忽略了城市不同尺度区域之间交互和动态信息。不同尺度的地理特征可以捕获同一空间区域的冗余信息。为了有效地跨时空学习多尺度信息，我们提出一种有效的城市细粒度流量推断模型，称为 UrbanMSR，该模型使用自监督对比学习获取社区级别和城市级别地理信息的动态多尺度表征，并融合多尺度表征以提高细粒度精度。多尺度表征的融合增强了细粒度推断。我们通过三个真实世界数据集上的大量实验进行验证。与最新方法相比，所提出模型的结果显示其优势。
引用
@article{arxiv.2406.09710,
title = {Fine-Grained Urban Flow Inference with Multi-scale Representation Learning},
author = {Shilu Yuan and Dongfeng Li and Wei Liu and Xinxin Zhang and Meng Chen and Junjie Zhang and Yongshun Gong},
journal= {arXiv preprint arXiv:2406.09710},
year = {2024}
}