核心概念
本研究は、メトロの起終点予測のために、OD対の視点から細粒度な空間時間関係をモデル化する新しいMLPアーキテクチャを提案する。提案モデルは、チャンネルミキサー、マルチビューミキサー、双方向トレンドラーナーを含み、短期的な時間関係、OD対間の関係、長期的な交通変化を効果的にキャプチャする。
要約
本研究は、メトロの起終点(OD)予測問題に取り組むために、細粒度な空間時間MLPアーキテクチャであるODMixerを提案している。
まず、OD対の視点からODマトリックスをエンコーディングすることで、各OD対の特徴を区別できるようにしている。これは従来のステーション視点のエンコーディングよりも細粒度である。
次に、ODMixerは以下の3つのモジュールから構成される:
チャンネルミキサー: OD対内の短期的な時間関係をモデル化する
マルチビューミキサー: OD対間の関係を起点と終点の2つの視点から捉える
双方向トレンドラーナー: 長期的な交通変化の傾向を認識する
これらのモジュールにより、ODMixerは空間的および時間的な依存関係を効果的にキャプチャできる。
実験では、2つの大規模なメトロODデータセットで提案手法の優位性が示された。ODMixerは既存手法と比べて、wMAPEで5%および7%の改善を達成した。
統計
メトロの起終点予測では、過去の同時刻の起終点データや、同日前週の同時刻の起終点データが重要な指標となる。
引用
「メトロの起終点予測は、メトロのスケジューリングを最適化し、全体的な交通効率を高めるために不可欠である。」
「既存のメトロODモデルは、ステーションの視点から複数のOD対の情報を混在させるか、一部のOD対にのみ焦点を当てている。これらのアプローチでは、OD対間の細粒度な関係を見逃す可能性がある。」