TransFlower: 흐름을 예측하기 위한 흐름 대 흐름 주의를 갖춘 설명 가능한 변환기 기반 모델

도시 계획과 통근 흐름 간의 연관성을 이해하는 것은 도시 발전 및 정책 결정에 있어 매우 중요합니다. 컴퓨터 과학과 도시 연구를 잇는 이 연구는 서로 다른 초점을 가진 이 두 분야를 통합하는 문제를 다룹니다. 중력 및 방사 모델과 같은 전통적인 도시 연구 방법은 복잡한 시나리오에서 여러 변수를 제한적으로 처리하고 지나치게 단순하고 비현실적인 가정, 예를 들어 공간 등방성에 의존하기 때문에 종종 성능이 떨어집니다. 깊은 학습 모델은 정확도는 향상시키지만, 그 블랙박스 특성은 성능과 설명 가능성 간의 절충을 초래하며, 두 가지 모두 통근 흐름과 같은 복잡한 사회 현상을 분석하는 데 중요합니다. 이를 해결하기 위해 우리는 도시 통근 패턴을 예측하기 위해 흐름 대 흐름 주의를 사용하는 설명 가능한 변환기 기반 모델인 TransFlower를 소개합니다. 이 모델은 미세한 흐름 표현을 위해 비등방성 인식 상대 위치 인코더를 갖춘 지리 공간 인코더를 특징으로 합니다. 이어서 변환기 기반의 흐름 예측기가 주의 메커니즘을 활용하여 흐름 상호작용을 효율적으로 포착합니다. 우리의 모델은 기존 방법보다 최대 30.8% 향상된 통근자의 공통 부분을 제공하며, 도시 계획 및 정책 결정에 있어 중요한 이동 역학에 대한 통찰을 제공합니다.