STContext：用于开发面向上下文的时空人群 Mobility 预测模型的多维数据集
人工智能
2025-01-08 v1 机器学习
摘要
在智慧城市中，面向上下文的时空人群流量预测 (STCFP) 模型利用上下文特征（如天气）来识别异常人群 Mobility 模式并提升预测准确度。然而，由于不同论文中上下文特征的使用方式不一致，目前尚不清楚如何最佳地纳入上下文特征。构建一个包含丰富类型上下文特征和STCFP情景的多维数据集，对建立原则化的上下文建模范式至关重要。现有开放人群流量数据集缺乏足够的上下文特征，亟需构建一个多维数据集以填补这些研究空白。为此，我们创建了STContext，一个用于开发面向上下文的STCFP模型的多维数据集。具体而言，STContext 提供了覆盖五个STCFP情景的九个时空数据集，并包括十个上下文特征，包括天气、空气质量指数、节假日、兴趣点、道路网络等。此外，我们提出了一种统一的工作流程，用于将上下文特征整合到深度STCFP方法中，包括特征转换、依赖建模、表示融合和训练策略等步骤。通过大量实验，我们获得了若干有用的指导方针，以有效进行上下文建模并为未来研究提供了见解。STContext已开源于 https://github.com/Liyue-Chen/STContext。
引用
@article{arxiv.2501.03583,
title = {STContext: A Multifaceted Dataset for Developing Context-aware Spatio-temporal Crowd Mobility Prediction Models},
author = {Liyue Chen and Jiangyi Fang and Tengfei Liu and Fangyuan Gao and Leye Wang},
journal= {arXiv preprint arXiv:2501.03583},
year = {2025}
}