本文介绍了NeurIPS2023上的LargeST数据集，一个用于大规模交通预测的新基准，包含了加州8600个传感器的丰富数据和元信息。研究者对比了不同模型的效果，并强调了开发简单高效模型以应对大规模传感器网络挑战的重要性。该数据集可用于探索时间分布转移问题和训练基础预测模型。
Neurips 2023
1 intro
- 目前交通预测数据集的问题
- 规模小，通常只包含数百个节点和边
- 在时间覆盖范围上存在严重不足，通常不超过6个月
- 单个节点的元数据不足
- ——> 提出了一个新的基准数据集LargeST
- 广泛的图大小，包括加利福尼亚州的8,600个传感器
- 丰富的时间覆盖和丰富的节点信息——每个传感器包含5年的数据和全面的元数据
- liuxu77/LargeST: LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting (NeurIPS 2023 DB Track) (github.com)
2 LargeST数据集
2.1 数据收集和组织
- PeMS提供来自加州州
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
