-
题名基于结构因果模型的城市出行流量预测方法
- 1
-
-
作者
刘钰婷
顾晶晶
周强
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《计算机科学》
2025年第10期70-78,共9页
-
基金
国家自然科学基金面上项目(62072235)
江苏省自然科学基金青年项目(BK20241402)。
-
文摘
城市出行流量预测是智慧城市研究中的重要课题,为城市规划和资源优化提供了关键的数据支持。近年来,基于图神经网络的城市流量预测模型在提升预测精度上取得了显著进展。然而,大多数现有研究都假设训练数据和测试数据来自相同的分布,忽视了现实世界中城市流量分布动态变化的复杂性,导致模型在面对分布偏移时表现不佳。为了解决这一问题,提出一种基于结构因果模型的城市出行流量预测方法,旨在应对分布偏移带来的模型泛化挑战。该方法首先利用结构因果模型揭示环境因素作为混淆变量对流量预测的影响效应,并设计共享分布估计器以学习环境信息的先验分布,进而引入后门调整方法,结合变分推断有效消除环境因素引起的混淆影响。该方法能够公平地考虑不同环境信息,提升流量预测的准确性与鲁棒性。在两个真实世界数据集上的实验结果表明,所提方法在应对分布偏移时具有较高的预测精度和鲁棒性。与6种主流基线模型相比,预测性能提升了2.26%~9.18%。
-
关键词
城市出行流量预测
因果推断
分布偏移
时空数据挖掘
结构因果模型
-
Keywords
Urban flow prediction
Causal inference
Distribution shift
Spatio-temporal data mining
Structural causal model
-
分类号
TP183
[自动化与计算机技术]
-
