Bike New York City

TS-Mob框架增强了用于人类移动预测的时间序列模型

研究人员开发了TS-Mob，一个旨在改进用于预测人类移动的时间序列基础模型的新框架。该框架整合了从人口密度和兴趣点等开放数据计算出的地理和社会信号，以及天气数据。当应用于TimesFM模型时，TS-Mob在包括Bike New York City、Taxi Beijing和西班牙的出行矩阵等基准测试中，与现有方法相比表现出显著的性能提升，显示出更低的误差率和更高的预测准确性。