文章预览
导读 在城市规划和交通管理的领域,精确的交通预测被认为是极为重要的一环。这不仅能够使资源得到更合理的配置,还能大大提升市民的出行体验。然而,目前的预测模型在面对未知区域的预测和长期预测任务时,往往力不从心。现有的挑战主要是由于交通数据在时间和空间上的复杂异质性。 为此,本研究开发了名为 OpenCity 的新型基础模型,该模型通过结合最新的 Transformer 架构和图神经网络技术,能够在不同城市环境中实现更准确的预测。OpenCity 已在多项测试中显示出其卓越的预测能力和良好的扩展性,为未来的交通预测提供了新的可能。 论文标题: OpenCity: Open Spatio-Temporal Foundation Models for Traffic Prediction 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/chaoh/home 概述 2.1 存在什么问题
………………………………