时间序列基础模型是流量预测器
机器学习
2025-07-02 v1 计算机与社会
摘要
我们探讨了时间序列基础模型（TSFMs）在人群流量预测中的有效性，重点关注 Moirai 和 TimesFM。这些模型在三个真实世界的 mobility 数据集上进行评估——Bike NYC、Taxi Beijing 和 西班牙国家 OD 流——在严格的零样本设置下部署，只使用每个 OD 流的时序演化，不使用显式的空间信息。Moirai 和 TimesFM 在统计方法和深度学习基线之上表现更佳，分别实现了最高可降低 33% 的 RMSE、39% 的 MAE 和最高可提高 49% 的 CPC。我们的结果突显了 TSFMs 在准确、可扩展的流量预测中的实际价值，即使在数据标注有限或缺少空间上下文的场景中也能发挥作用。
引用
@article{arxiv.2507.00945,
title = {Time Series Foundation Models are Flow Predictors},
author = {Massimiliano Luca and Ciro Beneduce and Bruno Lepri},
journal= {arXiv preprint arXiv:2507.00945},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2203.07372