Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

Deformable Dynamic Convolution for Accurate yet Efficient Spatio-Temporal Traffic Prediction

Created by
  • Haebom

作者

Hyeonseok Jin, Geonmin Kim, Kyungbaek Kim

概要

本稿では、インテリジェント交通システムで重要な役割を果たす交通量予測のための新しいCNNベースのアーキテクチャであるDDCN（Deformable Dynamic Convolutional Network）を提案します。従来のグラフベースの方法の高い計算コストと格子ベースの方法の不規則な空間パターンのモデリングの難しさと空間的時間的不均一性の考慮の欠如の問題を解決するために、DDCNは変形可能な合成積と動的合成積を統合します。変形可能な合成積は学習可能なオフセットを導入して柔軟な受入れ領域を生成し、動的合成積は地域特異的フィルタを生成し、さまざまな空間 - 時間交通パターンに適応します。実際の交通データセットを使用した実験の結果、DDCNは競争力のある予測性能とともに計算コストを大幅に削減し、大規模なリアルタイム展開に適していることを示しています。

Takeaways、Limitations

•
Takeaways：
◦
変形可能な合成積と動的合成積を組み合わせたグラフベースと格子ベースの方法の限界を克服
◦
非ユークリッド空間構造と空間-時間的不均一性を効果的に捕捉。
◦
競争力のある予測性能と低い計算コストを同時に達成。
◦
大規模リアルタイム交通量予測システムへの適用可能性の提示
•
Limitations:
◦
提案されたDDCNのパフォーマンスがさまざまな交通状況とデータセットにどのように一般化できるかをさらに検討する必要があります。
◦
パラメータの最適化とモデルの複雑さの追加分析が必要です。
◦
他の高度な交通予測モデルとのより包括的な比較研究の必要性
👍
Made with Slashpage