本研究では、Spatial-Temporal Large Language Model Diffusion (STLLM-DF)と呼ばれる革新的なモデルを提案している。STLLM-DFは、Denoising Diffusion Probabilistic Models (DDPMs)と Large Language Models (LLMs)を組み合わせることで、多タスクの交通予測を改善する。
DDPMの強力な除雑音機能により、複雑な交通システムから潜在的なデータパターンを回復することができる。一方、非事前学習LLMは、マルチモーダルネットワーク内の空間時間関係に動的に適応することで、長期的および短期的な予測タスクを効率的に管理することができる。
広範な実験の結果、STLLM-DFは既存のモデルと比較して、平均MAEが2.40%、RMSEが4.50%、MAPEが1.51%低下するなど、一貫して優れた性能を示している。このモデルは、予測精度、頑健性、および複数のタスクにわたるシステム全体の性能を大幅に向上させる重要な進歩を示している。
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies