研究人员开发了一种新颖的方法，可以将现有的确定性交通预测模型转换为概率性模型。该方法仅需将最终输出层替换为高斯混合模型（GMM）层，即可使模型在进行不确定性量化的同时预测交通动态。修改后的模型可以使用负对数似然（NLL）损失进行训练，而无需更改现有的训练流程。在各种数据集上的实验表明，该技术在保持确定性性能的同时，与单峰或确定性基线相比，即使在数据不完美的情况下也能提供更准确和信息量更大的概率预测。 AI
影响 通过纳入不确定性量化来增强交通预测模型，可能改善城市交通管理。
排序理由 详细介绍交通预测新建模方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
