Traffic Prediction
سلسلة زمنية تشير إلى تسلسل نقاط البيانات مرتبة حسب الترتيب الزمني، بهدف التنبؤ بالاتجاهات المستقبلية من خلال تحليل البيانات التاريخية. يمكن أن تكشف تحليلات السلسلة الزمنية الأنماط في كيفية تغير البيانات بمرور الوقت، مما يوفر أساسًا علميًا لصنع القرار في مجالات مثل المالية والمناخ والرعاية الصحية، وبالتالي تحمل قيمة تطبيقية كبيرة.
Beijing Traffic
MemDA
BJTaxi
ST-SSL
EXPY-TKY
STD-MAE
HZME(inflow)
HZME(outflow)
CorrSTN
LargeST
PatchSTG
METR-LA
TITAN
NE-BJ
RGDAN
NYCBike1
NYCBike2
NYCTaxi
PEMS-BAY
T-Graphormer
PeMS-M
PeMS04
LightCTS
PeMS07
STAEformer
PeMS08
DTRformer
PeMSD3
PeMSD4
STD-MAE
PeMSD4 (10 days' training data, 15min)
DASTNet
PeMSD4 (10 days' training data, 30min)
PeMSD4 (10 days' training data, 60min)
PeMSD7
STD-MAE
PeMSD7 (10 days' training data, 15min)
PeMSD7 (10 days' training data, 30min)
PeMSD7 (10 days' training data, 60min)
PeMSD7(L)
STD-MAE
PeMSD7(M)
STD-MAE
PeMSD8
Hierarchical-Attention-LSTM (HierAttnLSTM)
PeMSD8 (10 days' training data, 15min)
PeMSD8 (10 days' training data, 30min)
PeMSD8 (10 days' training data, 60min)
Q-Traffic
hybrid Seq2Seq
SZ-Taxi