Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

XXLTraffic: Expanding and Extremely Long Traffic forecasting beyond test adaptation

Created by
  • Haebom
Category
Empty

저자

Du Yin, Hao Xue, Arian Prabowo, Shuang Ao, Flora Salim

개요

XXLTraffic은 미국 로스앤젤레스와 호주 뉴사우스웨일즈에서 수집된, 현재까지 공개된 교통 데이터셋 중 가장 크고 기간이 긴 데이터셋입니다. 기존 데이터셋의 한계인 실제 상황의 분포 변화(지속적인 인프라 변화, 시간 분포 변화, 센서 다운타임이나 교통 패턴 변화로 인한 긴 시간 간격)를 해결하기 위해 제작되었습니다. 시간 단위 및 일 단위 집계 데이터를 사용한 일반적인 시계열 예측 설정과, 실제 제약 조건을 더 잘 시뮬레이션하기 위해 간격과 훈련 크기 다운샘플링을 도입한 새로운 구성을 포함하는 벤치마크를 제공합니다. 매우 긴 기간의 예측(test adaptation을 넘어서는) 연구를 지원하며, 기존 공간-시간 데이터 리소스를 보완하고 새로운 연구 방향을 제시합니다.

시사점, 한계점

시사점:
기존 교통 데이터셋의 한계점인 분포 변화 문제를 해결하여 실제 적용 가능성을 높였습니다.
매우 긴 기간의 교통 예측 연구를 위한 대규모 데이터셋을 제공합니다.
다양한 설정(시간 단위/일 단위, 간격 존재 여부, 훈련 데이터 크기 등)을 포함하는 벤치마크를 통해 모델 성능 평가를 용이하게 합니다.
시계열 및 교통 예측 분야의 새로운 연구 방향을 제시합니다.
한계점:
데이터셋이 미국 로스앤젤레스와 호주 뉴사우스웨일즈 두 지역에 국한되어 전 세계적인 일반화에는 제약이 있을 수 있습니다.
데이터 수집 방식 및 품질에 대한 자세한 설명이 부족할 수 있습니다. (추가 정보 필요)
매우 긴 기간의 예측에 대한 일반화 성능은 데이터셋의 크기와 기간에 의존적일 수 있으며, 모든 상황에 적용 가능하다는 보장은 없습니다.
👍