从 XXLTraffic 到 EvoXXLTraffic：扩展至传感器演化网络的交通预测
人工智能
2026-05-29 v1
摘要
现有的交通预测基准假设传感器集合固定，但现实道路传感器网络随道路网络年年变化而持续增长。我们提出 XXLTraffic 数据集家族，涵盖加州 PeMS 和 NSW Transport 数据最长达 27 年。固定传感器子集支持超长期预测（多年间隔）和标准的小时/日长期预测。我们将其扩展为 EvoXXLTraffic，一种传感器演化重组织，暴露每年活跃传感器、年度交通流矩阵以及跨九个 PeMS 区域的年度图快照，增长率ranging 从 +305% 到超过 +10,000%。我们定义了基于年度的流式预测协议，其中每个日历年都是一个持续任务，衡量了来自静态时空 GNN、na"ive 在线方案、演化图持续方法以及检索/测试时方法的广泛基线。我们发现，超大规模演化数据集更贴近现实，许多最先进（SOTA）结果不再适用。该数据集补充了现有基准，使其能够在超大规模演化道路网络下实现更真实的预测。
引用
@article{arxiv.2605.29768,
title = {From XXLTraffic to EvoXXLTraffic: Scaling Traffic Forecasting to Sensor-Evolving Networks},
author = {Du Yin and Hao Xue and Arian Prabowo and Shuang Ao and Flora Salim},
journal= {arXiv preprint arXiv:2605.29768},
year = {2026}
}
备注
Under Review