两篇新研究论文解决了长时空交通预测的挑战,特别是在传感器数据不完整或网络中断的情况下。第一篇论文SLPF介绍了一种处理噪声和空间分布变化的方法,以在传感器输入有限的情况下进行长期预测。第二篇论文UniST-Pred提出了一个统一的框架,该框架将时间建模和空间建模解耦,即使在严重网络断开的情况下也能保持稳健的性能,并在模拟和真实世界数据集上展示了具有竞争力的结果。 AI
影响 这些模型旨在提高交通预测系统的准确性和鲁棒性,从而可能改善交通管理并减少拥堵。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了用于交通预测的新AI模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →