TLab：基于 HR-NET 的交通图影像预报
机器学习
2020-11-18 v2
摘要
大规模时空交通数据的有效预测问题长期困扰着智能交通领域的研究者。受限于数据量，全市范围的交通状态预测鲜有实现。因此，整个城市的复杂城市交通系统无法被真正理解。得益于 IARAI 等组织的努力，它们提供的海量开放数据使该研究成为可能。在我们 2020 年的竞赛方案中，我们进一步基于 HR-NET 和 UNet 设计了多种变体。通过特征工程，手工特征以通道形式输入模型。值得注意的是，为学习地理位置的固有属性，我们提出了一种称为地理嵌入（geo-embedding）的新方法，其显著提升了模型的精度。此外，我们探究了激活函数与优化器的选择，以及模型训练中的技巧对模型性能的影响。在预测精度方面，我们的方案在 NeurIPS 2020 的 Traffic4cast Challenge 中获得第二名。
引用
@article{arxiv.2011.07728,
title = {TLab: Traffic Map Movie Forecasting Based on HR-NET},
author = {Fanyou Wu and Yang Liu and Zhiyuan Liu and Xiaobo Qu and Rado Gazo and Eva Haviarova},
journal= {arXiv preprint arXiv:2011.07728},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1911.05699 by other authors