★ 2
SpecLST：频谱增强长短时时空多模态交通预测框架
论文提出 SpecLST，用基于快速傅里叶变换的频域表征模块高效编码数周历史依赖，规避长序列注意力的内存瓶颈。异构上下文经注意力融合，再接稀疏混合专家骨干与图增强。在 60 分钟预测窗口下，相较八个神经预测基线在四个数据集上 MAE 平均降低 14.10%、RMSE 降 10.35%、MAPE 降…
arXiv cs.LG5 天前
#交通预测
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
GCRN+ 用稀疏传感器预测全网高速车速
研究基于达拉斯-沃斯堡地区 643 个传感器预测全部 4127 条高速路段的当前与下一小时车速，提出图卷积循环网络 GCRN+。在未覆盖路段上当前小时 RMSE 为 2.21 mph，优于历史均值基线，拥堵检测召回率提升至 89%。
arXiv cs.LG14 天前
★ 2
AdaST：时空预测的自适应耦合框架
论文指出真实时空数据存在时间主导、空间主导与强耦合等不同耦合模式，而现有方法默认强时空耦合，导致伪依赖与性能下降。作者提出 AdaST，通过「分解-重组」范式，用异质性感知专家将输入分解为不同耦合模式分量，再由角色对齐模块与相关性自适应重组器完成预测。实验显示其显著优于现有最优基线。
arXiv cs.AI33 天前
★ 2
自适应谱分解的多步交通预测网络
论文提出自适应分解网络 ADNet，将交通动态自适应解耦为主导与残差分量。它引入可学习的互补谱分解机制，让每个频段以不同比例贡献两个分量，并与预测目标联合优化。在 TraffiDent 数据集上，ADNet 在 24 项区域-视野-指标对比中 20 项取得最佳，长预测视野增益尤为明显。
arXiv cs.LG40 天前
★ 2
机器学习结合天气数据预测芬兰列车延误
论文利用芬兰综合列车天气数据集FI-TW，融合铁路运营记录与芬兰气象研究所约200个站点的传感器观测，研究列车延误预测。在奥卢中央车站逾10万条观测上比较三种特征配置，基于暴雪、大雪、极寒等分层天气类别的方案取得R² 0.78、RMSE 8.5分钟，较其他配置提升11%的R²并降低10%误差。结果…
arXiv cs.AI51 天前
★ 2
CASTANET：利用交通事故影响预测非周期性拥堵
CASTANET 是一种结合时空图神经网络与因果效应估计的模型，用于预测由突发事故引起的非周期性交通拥堵。在东京真实数据上，该模型相比最佳基线将 RMSE 降低 4.0%，在事故条件下降低 10.1%，严重拥堵时提升达 14.55%。
arXiv cs.AI63 天前
这个主题的相关资产
相关公司英特尔（Intel）1