TrafPS：基于 Shapley 值解释交通预测的可视化分析系统
人机交互
2022-03-15 v1 机器学习
摘要
近年来，深度学习方法已被证明在交通流预测中具有良好性能，许多复杂模型被提出以使交通流预测更加准确。然而，缺乏透明性限制了领域专家理解输入数据在何时何处主要影响结果。大多数城市专家和规划者只能根据自身经验调整交通，无法对潜在交通拥堵做出有效反应。为解决此问题，我们采用 Shapley 值并呈现一个可视化分析系统，可为专家提供交通流预测的解释。TrafPS 由三层组成，从数据处理到结果计算与可视化。我们在 TrafPS 中设计了三个可视化视图以支持预测分析过程。一项演示表明，TrafPS 支持对预测流进行解释的有效分析流程，并为决策提供直观可视化。
引用
@article{arxiv.2203.06213,
title = {TrafPS: A Visual Analysis System Interpreting Traffic Prediction in Shapley},
author = {Yifan Jiang and Zezheng Feng and Hongjun Wang and Zipei Fan and Xuan Song},
journal= {arXiv preprint arXiv:2203.06213},
year = {2022}
}