面向城市时空预测的统一数据管理与综合性能评估 [实验、分析与基准]

随着深度学习技术的发展和大规模数据集的可用，城市时空预测领域正快速发展。然而，在访问和利用来自不同来源、以不同格式存储的多样化城市时空数据集，以及随着深度学习模型激增而确定有效的模型结构与组件方面，仍存在挑战。本工作应对这些挑战并作出三项重要贡献。首先，我们引入“原子文件”——一种为城市时空大数据设计的统一存储格式，并在 40 个多样化数据集上验证其有效性，简化了数据管理。其次，我们呈现城市时空预测模型技术进展的全面综述，指导鲁棒模型的开发。第三，我们使用多样化模型与数据集开展广泛实验，建立性能排行榜并识别有前景的研究方向。总体而言，本工作有效管理城市时空数据、指导未来工作，并促进准确高效的城市时空预测模型的发展。它有可能对城市时空数据管理与预测作出长期贡献，最终提升城市生活水平。