ICML 2024 | 即插即用、快速适配！港大发布全新智慧交通时空预测模型FlashST

文章预览

代码链接： https://github.com/HKUDS/FlashST 论文链接： https://arxiv.org/abs/2405.17898 实验室链接： https://sites.google.com/view/chaoh 导读 交通预测的目标是准确预测和分析城市未来的交通模式，这一过程需要同时考虑时间和空间因素。然而，分布偏移的存在在这一领域构成了一个重大挑战，因为现有模型在面对与训练分布显著不同的测试数据时，往往难以很好地泛化。 为了解决这个问题，本文提出了一个简单而通用的时空提示调整框架——FlashST，它能够使预训练模型适应于不同下游数据集的特定特征，提高了其在多种预测场景中的泛化能力。 具体来说，所提出的的 FlashST 框架采用了一个轻量级的时空提示网络进行上下文学习，捕捉时空不变知识，并有效地适应不同场景。此外，本文还引入了一个分布映射机制，对齐预训练和下游数据的数据分布，促进时空预测 ………………………………