多任务时空生成推理网络

长时预测误差不累积

一种无需逐步解码的长时公路速度预测模型，解决误差传播问题。

Zou, Guojian · Lai, Ziliang · Wang, Ting · Zongshi, Liu · Jingjue, Bao · 马昌喜 · Li, Ye · Fan, Jing

Expert Systems with Applications 2024

技术优势

长期预测不会累积误差

通过生成式推理直接生成目标隐藏输出，而不是逐步解码，避免了误差逐步传播。

能捕获动态时空相关性

使用基于时空相关提取块的编码器来提取公路网络的动态时空特征。

一个模型适用不同路段

采用多任务学习，对不同类型路段分别预测并共享底层网络参数，适应速度异质性。

性能优于基线模型

在银川市公路监测数据上的实验表明，该模型的性能优于多个基线模型。

应用场景

• 交通速度预测：提供准确的长期速度预测，支撑出行规划与交通管理。
• 交通控制：预测结果可作为提前交通控制的参考数据。
• 智能交通系统：可作为智能交通系统中速度预测模块的核心模型。
• 自动驾驶：为自动驾驶车辆提供前方道路速度参考，辅助决策。