시간 변화를 고려한 교통 데이터 보간을 위한 선택적 상태 공간 신경 튜커 분해

요약

본 논문은 장기 시간 의존성이 중요한 시공간 교통 데이터 보간 문제를 다룹니다. 기존 방법의 한계를 극복하기 위해, 선택적 상태 공간 신경 튜커 분해(S3NTF) 모델을 제안합니다. 이 모델은 상태 공간 기반 인코더와 튜커 분해를 결합하여 복잡한 시공간 상관관계를 효과적으로 포착하며, 실험에서 기존 모델 대비 우수한 정확도를 입증했습니다.

핵심 포인트

• 시공간 교통 데이터 보간을 위해 장기 시간 의존성 모델링이 핵심 전제 조건임.
• S3NTF는 선택적 상태 공간 메커니즘과 신경 튜커 분해를 결합한 구조임.
• 상태 공간 기반 인코더로 선형 복잡도의 시퀀스 의존성을 추출함.
• 튜커 분해를 활용하여 고차원 교차 양식 간 상호작용을 모델링함.
• 실제 교통 데이터셋 6개에서 기존 모델 대비 우수한 정확도를 보임.