35、FDTI：基于路网增强图的细粒度深度交通推理

FDTI：基于路网增强图的细粒度深度交通推理

1. 引言

交通预测是智能交通系统的重要组成部分，对下游任务有益。一些下游任务，如交通信号控制、拥堵发现和路线规划，对预测结果的粒度很敏感。例如，1分钟级别的预测可以及时评估即将到来的交通信号的影响，并改善交通政策，因为交通信号变化的间隔约为1分钟。然而，以往的深度方法主要关注粗粒度的交通数据，利用深度方法解决细粒度设置下的交通预测任务仍未得到充分探索。

在细粒度设置下，交通流量由交通信号决定。当信号变为绿色时，车辆可以流入下游道路，导致这些道路之间的相关性很强。但以往的研究忽略了细粒度设置下节点之间明确的高度动态相关性，使用静态图或数据驱动图来聚合节点知识。由于交通信号导致的高度动态相关性，空间相邻节点的交通流量并不相似，细粒度交通数据是非平滑的，而以往方法在非平滑的细粒度数据上进行平滑预测会导致较大误差。

为了更好地建模动态相关性并解决细粒度设置下数据的非平滑性问题，我们提出了细粒度深度交通推理（FDTI）模型。具体来说，我们构建了细粒度交通时空图（FTSTG），提出了动态移动卷积网络，并引入交通流量守恒来准确推断未来流量。我们的贡献如下：
- 据我们所知，我们是第一个完成城市级细粒度交通预测的，这对智能交通系统很重要，能实现高效及时的交通政策制定和其他下游任务。
- 我们提出了FDTI模型，以纳入由交通信号引起的动态时空依赖性，并从流量守恒的角度推断未来交通。
- 大量实验表明，我们提出的方法具有优越的性能。基于我们提出的STMAD指标进行的图平滑性分析，解释了其他基线方法在细粒度设置下失败的机制。

2. 相关工作

• 传统交通