Core Concepts
메트로 트래픽 예측의 정확성을 높이기 위해 모든 기원-목적지 쌍의 관계를 종합적으로 고려하는 세부적인 시공간 MLP 모델을 제안한다.
Abstract
이 논문은 메트로 기원-목적지(OD) 예측 문제를 해결하기 위해 세부적인 시공간 MLP 아키텍처인 ODMixer를 제안한다.
ODMixer는 다음과 같은 특징을 가진다:
OD 쌍 관점에서 OD 행렬을 인코딩하여 각 OD 쌍의 특성을 세부적으로 모델링한다. 이를 통해 기존 모델들이 겪었던 OD 쌍 간 관계 파악의 어려움을 해결한다.
Channel Mixer 모듈을 통해 OD 쌍 내부의 단기 시간적 관계를 학습하고, Multi-view Mixer 모듈을 통해 기원과 목적지 관점에서 OD 쌍 간 관계를 종합적으로 학습한다.
Bidirectional Trend Learner(BTL) 모듈을 도입하여 장기적인 트래픽 변화 추세를 효과적으로 파악할 수 있도록 한다.
실험 결과, ODMixer는 두 대규모 메트로 OD 예측 데이터셋에서 기존 최신 모델들을 크게 능가하는 성능을 보였다. 또한 모델 크기와 연산 효율 면에서도 우수한 것으로 나타났다.
Stats
메트로 OD 행렬의 완성된 부분(IOD)과 미완성 부분(UOD)을 결합하여 현재 시점의 완전한 OD 행렬을 구성한다.
과거 단기 및 장기 UOD 분포를 활용하여 현재 시점의 UOD 분포를 추정한다.
Quotes
"메트로 트래픽 예측의 정확성은 메트로 운영 일정 최적화와 전반적인 교통 효율 향상을 위해 매우 중요하다."
"기존 메트로 OD 모델들은 다양한 OD 쌍의 정보를 혼합하거나 일부 OD 쌍에만 초점을 맞추는데, 이로 인해 OD 쌍 간 세부적인 관계를 간과하게 된다."