基于异构信息聚合的在线地铁起讫点预测
机器学习
2022-05-26 v5
摘要
地铁起讫点预测是智能交通系统中一项关键且具有挑战性的时间序列分析任务,旨在准确预测两类跨站客流量,即起讫点(OD)客流量与讫起点(DO)客流量。然而,在线地铁系统中先前时段的完整OD矩阵无法立即获得,且传统方法仅利用有限信息分别预测未来的OD与DO客流量。本工作中,我们提出了一种称为异构信息聚合机(HIAM)的新型神经网络模块,其充分利用历史数据的异构信息(如不完整OD矩阵、未完单向量和DO矩阵)来联合学习OD与DO客流量的演化模式。具体而言,OD建模分支显式估计未完单的潜在目的地以补全不完整OD矩阵的信息,而DO建模分支以DO矩阵为输入来捕捉DO客流量的时空分布。此外,引入双信息Transformer在OD特征与DO特征间传播互信息,以建模OD-DO因果性与相关性。基于所提HIAM,我们开发了统一的Seq2Seq网络同时预测未来OD与DO客流量。在两个大规模基准上的大量实验证明了我们的方法在在线地铁起讫点预测上的有效性。我们的代码发布于 https://github.com/HCPLab-SYSU/HIAM。
引用
@article{arxiv.2107.00946,
title = {Online Metro Origin-Destination Prediction via Heterogeneous Information Aggregation},
author = {Lingbo Liu and Yuying Zhu and Guanbin Li and Ziyi Wu and Lei Bai and Liang Lin},
journal= {arXiv preprint arXiv:2107.00946},
year = {2022}
}
备注
This paper has been accepted to TPAMI