HSTMixer：用于大规模交通预测的分层MLP-Mixer
机器学习
2025-12-10 v1
摘要
交通预测任务对现代城市管理至为重要。最近，随着对大规模预测的关注日益增长，因为这更能反映真实世界交通网络的复杂性。然而，现有模型常常表现出二次计算复杂度，使其在大规模现实场景中难以实用。本文提出了一种新框架，分层时空混合器（HSTMixer），其利用全MLP架构实现高效且有效的大规模交通预测。HSTMixer采用分层时空混合模块，通过自底向上的聚合和自顶向下的传播提取多分辨率特征。此外，自适应区域混合器会根据区域语义生成转换矩阵，使 our 模型能够动态捕获不同区域演化中的时空模式。对四个大规模真实数据集上的广泛实验表明，所提方法不仅在性能上达到最先进水平，而且在计算效率方面也表现出竞争力。
引用
@article{arxiv.2512.07854,
title = {HSTMixer: A Hierarchical MLP-Mixer for Large-Scale Traffic Forecasting},
author = {Yongyao Wang and Jingyuan Wang and Xie Yu and Jiahao Ji and Chao Li},
journal= {arXiv preprint arXiv:2512.07854},
year = {2025}
}
备注
10 pages, 9 figures