SPTTE：面向旅行时间估计的时空概率框架
机器学习
2024-11-28 v1
摘要
精确的旅行时间估计是导航和行程规划的关键。虽然已有研究通过概率建模评估旅行时间不确定性并考虑多段旅行之间的相关性，但对多段旅行分布时间可变性的建模仍是一大挑战。捕捉联合分布的演化需要大规模且结构完整的数据集；然而，现实中的旅行数据常因时间稀疏和空间分布不均而受限。为此，我们提出了 SPTTE（Spatiotemporal Probabilistic Travel Time Estimation），一种时空概率框架，通过将估计任务形式化为带有碎片观测的时空随机过程回归问题来建模多段旅行时间联合分布的演化。SPTTE 引入基于 RNN 的时序高斯过程参数化，以正则化稀疏观测并捕捉时序依赖性。此外，它采用先验驱动的异质性平滑策略，纠正因空间分布不均导致的学习不可靠问题，有效地在稀疏且分布不均的数据下建模时序可变性。在真实数据集上的评估表明，SPTTE 相较于当前最先进的确定性和概率方法性能提升超过 10.13%。消融实验和可视化结果进一步确认了模型各组件的有效性。
引用
@article{arxiv.2411.18484,
title = {SPTTE: A Spatiotemporal Probabilistic Framework for Travel Time Estimation},
author = {Chen Xu and Qiang Wang and Lijun Sun},
journal= {arXiv preprint arXiv:2411.18484},
year = {2024}
}