Traffic Speed Forecasting

研究发现时间序列模型基准测试可能隐藏关键故障

一篇新发表在arXiv上的研究论文指出了当前时间序列基础模型（TSFM）基准测试的潜在缺陷。该研究以交通速度预测为重点，揭示了标准评估中使用的聚合指标可能会掩盖在自由流和拥堵交通状态之间的关键过渡期间出现的显著性能下降。在这些过渡期间，这些模型的准确性和预测区间覆盖率会急剧下降，而这种失败被整体指标中自由流数据的支配地位所掩盖。该研究提出了一种状态感知评估方法和一种双峰混合增强（BMA）方法，以提高模型的性能和透明度。