MVCTD

新型MVCTD模型利用多视图数据增强在线交通预测

研究人员开发了一种新颖的多视图耦合张量分解（MVCTD）模型，用于准确的在线交通预测，即使在数据不完整或异常的情况下也能实现。该模型利用耦合张量分解来联合建模速度、流量和占用率等多种交通数据类型之间的共享空间结构和视图特定的时间动态。MVCTD 结合了组稀疏正则化以减轻异常值的影响，并采用迭代细化方法以实现高效的流式部署，在真实世界数据集上表现出强大的性能。