U-Net 用于交通预测的良好实践探讨

Jingwei Xu; Jianjin Zhang; Zhiyu Yao; Yunbo Wang

U-Net 用于交通预测的良好实践探讨

计算机视觉与模式识别 2020-12-07 v1

作者: Jingwei Xu , Jianjin Zhang , Zhiyu Yao , Yunbo Wang

摘要

本技术报告给出了一个针对 2020 年 Traffic4Cast 挑战赛的解决方案。我们将交通预测问题视为一个未来帧预测任务，其具有相对较弱的时间依赖性（可能由于随机的城市交通动态）和强先验知识，即城市的路线图。出于这些原因，我们使用 U-Net 作为骨干模型，并提出了一种路线图生成方法以使预测的交通流更合理。同时，我们使用基于验证集的微调策略来防止过拟合，这有效改善了预测结果。在本报告末尾，我们进一步讨论了我们考虑过或可在未来工作中探索的几种方法：(1) 利用内在的数据模式，如季节性；(2) 在不同城市之间蒸馏和迁移共性知识。我们也分析了评估指标的有效性。

关键词

交通预测 U-Net 未来帧预测路线图生成微调 Traffic4Cast 挑战赛

引用

@article{arxiv.2012.02598,
  title  = {Towards Good Practices of U-Net for Traffic Forecasting},
  author = {Jingwei Xu and Jianjin Zhang and Zhiyu Yao and Yunbo Wang},
  journal= {arXiv preprint arXiv:2012.02598},
  year   = {2020}
}

备注

Code is available at \<https://github.com/ZJianjin/Traffic4cast2020_LDS>

U-Net 用于交通预测的良好实践探讨

摘要

关键词

引用

备注

相关论文