GAS-PFN: 제로샷 교통 예측을 위한 그래프 인식 시공간 사전 데이터 적합 네트워크

요약

GAS-PFN은 교통의 복잡한 시공간적 의존성을 모델링하기 위해 제안된 그래프 인식 네트워크입니다. 이는 랜덤 워크 확산을 통해 사전 학습 과정에 그래프 구조 역동성을 통합하는 것이 특징입니다. 그 결과, 기존 PFN 기반 모델 대비 MSE를 평균 34.0% 감소시키는 뛰어난 제로샷 교통 예측 성능을 입증했습니다.

핵심 포인트

• GAS-PFN은 그래프 인식 능력을 통해 시공간적 의존성을 명시적으로 표현합니다.
• 랜덤 워크 확산을 활용하여 사전 지식에 그래프 결합 역동성을 통합했습니다.
• 공유 트랜스포머 백본으로 시간별 및 공간적 상호작용을 개별 모델링합니다.
• 기존 PFN 대비 MSE를 평균 34.0% 감소시키는 성능 향상을 보였습니다.