VisiFold：基于时序折叠图与节点可见性的长期交通预测
人工智能
2026-03-13 v1
摘要
交通预测是智能交通系统的核心环节。虽然已有研究在短期预测方面取得显著进展，但长期预测仍是一个鲜有涉及且充满挑战的前沿领域。延长预测时程会加剧两个关键问题：计算资源消耗的升级以及空间-时间依赖关系的日益复杂化。当前方法依赖空间-时间图谱，分别处理时间和空间维度， suffer 从于快照堆叠膨胀和跨步骤碎片化。为克服这些限制，我们提出了 \textit{VisiFold}。我们的框架引入了一种新颖的时序折叠图，将一序列时间快照整合为单个图。进一步，我们提出了节点可见性机制，结合节点级掩码和子图抽样，以克服大规模节点数量所致的计算瓶颈。大量实验表明，VisiFold 不仅大幅降低了资源消耗，还在长期预测任务中超越了现有基线。即使掩码比率高达 80%，VisiFold 仍保持其性能优势。通过有效打破时空维度中的资源约束，我们的工作为更真实的长期交通预测铺平了道路。代码已公开于 https://github.com/PlanckChang/VisiFold。
引用
@article{arxiv.2603.11816,
title = {VisiFold: Long-Term Traffic Forecasting via Temporal Folding Graph and Node Visibility},
author = {Zhiwei Zhang and Xinyi Du and Weihao Wang and Xuanchi Guo and Wenjuan Han},
journal= {arXiv preprint arXiv:2603.11816},
year = {2026}
}
备注
15 pages, 9 figures, accepted by ICDE 2026