Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
기존의 고정된 센서 환경을 넘어, 도로망의 변화와 성장을 반영한 XXLTraffic 및 EvoXXLTraffic 데이터셋을 소개합니다. 센서가 지속적으로 추가되는 진화하는 그래프 환경에서의 초장기 교통량 예측을 위한 새로운 벤치마크를 제안합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기기존의 교통량 예측 (Traffic forecasting) 벤치마크는 고정된 센서 집합을 가정하지만, 실제 도로-센서 네트워크는 매년 도로망이 변화함에 따라 지속적으로 성장합니다. 우리는 최대 27년 기간의 California PeMS 및 Transport for NSW 데이터를 아우르는 XXLTraffic 데이터셋 제품군을 소개합니다. XXLTraffic의 고정 센서 (Fixed-sensor) 서브셋은 수년간의 간극을 둔 초장기 예측과 표준적인 시간별/일별 장기 예측 (Long-horizon forecasting)을 지원합니다. 우리는 이를 EvoXXLTraffic으로 확장하였는데, 이는 센서가 진화하는 재구성 (Sensor-evolving reorganization) 방식으로, 9개의 PeMS 구역에 걸쳐 연도별 활성 센서, 연간 교통 흐름 행렬 (Traffic-flow matrices), 연간 그래프 스냅샷 (Graph snapshots)을 노출하며, 성장률은 +305%에서 +10,000% 이상에 이릅니다. 우리는 EvoXXLTraffic 상에서 각 달력 연도가 연속적인 태스크 (Continual task)가 되는 연간 스트리밍 예측 프로토콜을 정의하고, 정적 시공간 GNN (Spatio-temporal GNNs), 단순 온라인 방식 (Naïve online schemes), 진화하는 그래프 연속 학습 방법 (Evolving-graph continual methods), 그리고 검색/테스트 시간 방법 (Retrieval / test-time methods)에서 추출한 광범위하고 대표적인 베이스라인들을 벤치마킹합니다. 우리는 우리의 초거대 진화 데이터셋이 현실 세계를 더 잘 반영하며, 많은 최신 기술 (SOTA) 결과들이 더 이상 작동하지 않는다는 것을 발견했습니다. 우리의 데이터셋은 초장기 진화 도로망 환경에서 더욱 현실적인 예측을 가능하게 함으로써 기존 벤치마크를 보완합니다.