是否将有施工？基于异构时空数据预测道路施工
机器学习
2022-09-15 v1
摘要
道路施工项目维护交通基础设施。这些项目从短期（例如重铺路面或修补坑洼）到长期（例如增设路肩或修建桥梁）不等。传统上，决定下一个施工项目是什么以及何时安排，是通过人工使用专用设备巡检完成的。这种方法成本高且难以扩展。一种替代方案是使用计算方法，整合和分析多种类型的过去与当前时空数据，以预测未来道路施工的位置和时间。本文报告了这样一种方法，其使用基于深度神经网络的模型来预测未来施工。我们的模型在由施工、天气、地图和道路网络数据组成的异构数据集上应用卷积与循环组件。我们还报告了如何应对公开数据不足的问题——构建了一个名为“US-Constructions”的大规模数据集，包含 620 万条道路施工记录，并辅以多种时空属性与道路网络特征，采集于 2016 至 2021 年间的美国本土（US）。通过对美国多个主要城市的广泛实验，我们展示了我们的工作在精确预测未来施工上的适用性——平均 f1 分数 0.85、准确率 82.2%——优于基线方法。此外，我们展示了训练流程如何应对数据的空间稀疏性。
引用
@article{arxiv.2209.06813,
title = {Will there be a construction? Predicting road constructions based on heterogeneous spatiotemporal data},
author = {Amin Karimi Monsefi and Sobhan Moosavi and Rajiv Ramnath},
journal= {arXiv preprint arXiv:2209.06813},
year = {2022}
}
备注
In Proceedings of the 30th ACM SIGSPATIAL, International Conference on Advances in Geographic Information Systems (2022) [accepted as a short paper]