导语：在智慧城市建设中，精确的交通流量预测是实现高效城市规划和交通管理的关键。近日，香港大学发布了一项名为“OpenCity”的研究，旨在开发一个多功能、强鲁棒性和高适应性的时空基础模型，用于交通流量的预测。
研究背景：
现有的交通预测模型在面对未知区域和城市的零样本预测任务，以及长期预测时，表现往往不尽如人意。这些问题主要归因于交通数据在空间和时间上的异质性，以及跨时间和空间的显著分布变化。
研究目标：
开发一个多功能、强鲁棒性和高适应性的时空基础模型，用于交通流量的预测。
研究方法：
为此，研究团队设计了一种新型的基础模型——OpenCity。该模型融合了Transformer和图神经网络，以模拟交通数据中的复杂时空依赖性。通过在大规模、多样化的交通数据集上进行预训练，OpenCity能够学习到丰富且具有泛化能力的特征表示，这些特征表示适用于多种交通预测场景。
实验结果：
实验结果表明，OpenCity在零样本预测方面表现出色，且具有良好的可扩展性。在多个数据集上，OpenCity能够保持在前两名，与最佳性能（MAE）的差距也控制在8%以内。此外，OpenCity在所有测试类别中均提供了高质量的结果，展现了其出色的稳定性和多功能性。
研究意义：
OpenCity的成功开发有望为智慧城市建设提供强有力的技术支持，助力城市规划者和交通管理者制定有效的长期策略，优化资源分配，改善出行体验。
代码链接：https://github.com/HKUDS/OpenCity
论文链接：http://arxiv.org/abs/2408.10269
实验室主页：https://sites.google.com/view/chaoh01
Views: 0