Core Concepts
Pretrained Large Language Models (LLMs) enhance traffic prediction accuracy and efficiency.
Abstract
交通予測におけるTPLLMの効果を検証するため、事前学習された大規模言語モデル(LLMs)を活用した新しい交通予測フレームワークが提案されました。このフレームワークは、事前学習されたLLMsの先行知識を利用して複雑な時空間依存関係を分析し、交通データの高い予測精度を実現します。実験結果では、TPLLMが他の手法よりも優れた予測精度を達成し、少量のトレーニングデータでも高い正確性で予測を行うことが示されました。
Stats
TPLLM achieves accurate prediction results in both full-sample and few-shot scenarios.
LSTM, STGCN, ASTGCN, and STSGCN are used as baselines for comparison.
PeMS04 and PeMS08 datasets are utilized for experiments.
Hyperparameters such as batch size, epochs, learning rate, etc., are specified.
Evaluation metrics include MAE, RMSE, and MAPE for different time intervals.