स्थिति को खोजना: बड़े डेटा के साथ अंतरिक्ष-काल ट्रैफिक भविष्यवाणी

ट्रैफिक सेंसर की विशाल उपलब्धता से, जिनसे ट्रैफिक जानकारी निकाली जा सकती है, ट्रैफिक भविष्यवाणी तकनीकों के विकास के लिए बहुत सारे शोध प्रयास समर्पित किए गए हैं, जो कि मार्ग नेविगेशन, ट्रैफिक विनियमन, शहरी क्षेत्र की योजना आदि में सुधार करते हैं। ट्रैफिक भविष्यवाणी में एक प्रमुख चुनौती यह है कि वास्तविक समय के ट्रैफिक परिस्थितियों में ऐतिहासिक डेटा का उपयोग करके निर्मित भविष्यवाणी मॉडलों पर कितना भरोसा किया जाए, जो ऐतिहासिक डेटा से भिन्न हो सकते हैं और समय के साथ बदल सकते हैं। इस पेपर में, हम एक नवीन ऑनलाइन ढांचे का प्रस्ताव करते हैं जो वर्तमान ट्रैफिक स्थिति (या संदर्भ) से वास्तविक समय में सीख सकता है और भविष्य के ट्रैफिक की भविष्यवाणी कर सकता है, वर्तमान स्थिति को ऐतिहासिक डेटा का उपयोग करके प्रशिक्षित सबसे प्रभावी भविष्यवाणी मॉडल से मेल करके। जैसे-जैसे वास्तविक समय का ट्रैफिक आता है, ट्रैफिक संदर्भ स्थान को विभिन्न परिस्थितियों में प्रत्येक बेस प्रिडिक्टर की प्रभावशीलता का अनुमान लगाने के लिए अनुकूलित रूप से विभाजित किया जाता है। हम अपने ऑनलाइन एल्गोरिदम के लिए दोनों кратकालिक और दीर्घकालिक प्रदर्शन गारंटी (सीमाएँ) प्राप्त करते हैं और साबित करते हैं। प्रस्तावित एल्गोरिदम उन परिदृश्यों में भी प्रभावी रूप से काम करता है जहां सही लेबल (अर्थात्, वास्तविक ट्रैफिक) गायब होते हैं या देरी से उपलब्ध होते हैं। प्रस्तावित ढांचे का उपयोग करके, ट्रैफिक भविष्यवाणी के लिए सबसे प्रासंगिक संदर्भ आयाम का भी खुलासा किया जा सकता है, जो कार्यान्वयन जटिलता को कम कर सकता है और ट्रैफिक नीति निर्माण में जानकारी दे सकता है। वास्तविक जीवन की स्थितियों में वास्तविक दुनिया के डेटा के साथ हमारे प्रयोग दर्शाते हैं कि प्रस्तावित दृष्टिकोण मौजूदा समाधानों की तुलना में काफी बेहतर प्रदर्शन करता है।