正文：
【新华社讯】近日，香港大学联合华南理工大学和百度共同研发的长时间城市交通预测模型——OpenCity，在零样本预测能力上表现出色，为交通预测领域带来了革命性的突破。
OpenCity模型结合了Transformer架构和图神经网络，能够模拟交通数据中复杂的时空依赖关系。通过在大规模、异质性交通数据集上进行预训练，OpenCity学习到了丰富、具有泛化性的表征，这些表征可以有效地应用于广泛的交通预测场景。
以下是OpenCity模型的几个显著特点：
-
通用时空建模：OpenCity旨在有效处理不同空间区域和时间城市交通模式的固有多样性和变化。
-
卓越的零样本预测能力：OpenCity展示了更优越的性能，无需广泛重新训练或微调即可无缝应用于新的交通环境。
-
快速的情境适应能力：模型只需快速微调就能适应上下文，可以无缝部署在各种场景中。
-
可扩展性：OpenCity展示了有希望的缩放定律，表明该模型有潜力在最小的额外训练或微调需求下有效地扩展和适应新的、以前未见过的场景。
当前交通预测模型主要面临跨区域空间泛化能力、时间泛化与长期预测、学习有效的通用表征等挑战。OpenCity通过一系列新策略，如时空嵌入上下文归一化、Patch嵌入、时空上下文编码等，有效解决了这些挑战。
在测试结果中，OpenCity在零样本学习方面取得了重大突破，即使不进行微调，也超越了大多数基线。OpenCity在多个数据集上能够保持前两名的位置，其卓越的零样本预测性能凸显了模型在处理多样化交通数据集上的通用性和适应性。
这一研究成果不仅为交通预测领域带来了新的视角和方法，也有望为城市规划者和交通机构提供更加精准和有效的决策支持。随着OpenCity模型的进一步优化和应用，未来城市交通管理将变得更加智能化和高效。
Views: 0