基于多模态融合和表示映射的大规模交通拥堵预测
摘要：城市化进程的推进使得城市交通系统对城市发展和市民生活质量至关重要。其中，通过分析拥堵因素来判断交通拥堵是一项非常重要的任务。最近，已经引入了各种传统和基于机器学习的模型来预测交通拥堵。然而，这些模型要么对大量的拥堵因素进行了差异化，要么未能准确预测大规模空间中每个精确位置的拥堵情况。为了缓解这些问题，本文提出了一种基于卷积神经网络的新型端到端框架。借助学习表示，该框架提出了一种新颖的多模态融合模块和一种新颖的表示映射模块，以结合各种全局参考信息，在大规模地图上实现任意查询位置的交通拥堵预测。所提出的框架在真实世界的大规模数据集上取得了显著的结果和高效的推断。
作者：Bodong Zhou, Jiahui Liu, Songyi Cui, Yaping Zhao
论文ID：2208.11061
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-17