交通流予測のためのグローバル・ローカル時間畳み込みネットワーク

信頼性の高い交通流予測は交通分野において非常に重要であり、たとえば交通制御や公共の安全に貢献します。より良いパフォーマンスを達成するための鍵は、非線形の空間時間依存性をうまく捉えることです。最先端の研究は両方の側面を考慮していますが、グローバルトレンドがローカルダイナミクスに与える影響を無視し、長期的なダイナミック依存関係を捉えることができていません。本記事では、これらの制限を打破するための新しいグローバル・ローカル時間畳み込みネットワーク（GL-TCN）を提案します。具体的には、長期的なローカルダイナミクスを効果的に捉えるための新しいローカル時間畳み込みメカニズムを提案しています。同時に、グローバルな流れのパターンとローカルな流れのパターンを統合して、グローバルな流れのトレンドがローカルダイナミクスに与える影響を扱います。私たちの知る限り、これは交通流予測に時間畳み込みネットワークを利用した初の研究です。二つの実世界データセットでの実験により、我々の手法がいくつかの最先端ベースラインを上回る優れたパフォーマンスを示すことが確認されました。