時系列1つが専門家5人分に値する:交通流予測のための異種混合専門家モデル

正確な交通量予測は、時間的および空間的特徴の深い理解と、複数の変数間における複雑な相互作用を捉える必要があり、大きな課題に直面している。近年の交通量予測システムの進展は、主に複雑なシーケンス中心モデルの開発によるものである。しかし、従来の手法は各時刻において複数の変数および空間的関係を統合的に埋め込むため、変数中心の学習が効果的に進まない傾向があり、結果として従来の交通量予測タスクにおける性能低下を引き起こす可能性がある。この課題を克服するため、本研究では変数中心および事前知識中心のモデリング手法を導入する。具体的には、交通量予測を目的とした非均質なエキスパート混合モデル(Heterogeneous Mixture of Experts)であるTITANを提案する。TITANは初期段階でシーケンス中心モデリングに特化した3つのエキスパートから構成される。その後、低ランク適応手法を設計し、TITANは同時に変数中心のモデリングを実現可能とする。さらに、ゲーティングプロセスに対して事前知識中心の監督戦略を適用することで、正確なデータルーティングを確保する。METR-LAおよびPEMS-BAYという2つの公開交通ネットワークデータセットを用いた実験により、TITANが変数中心の依存関係を効果的に捉えつつ、正確なルーティングを維持していることが示された。その結果、従来の最先端(SOTA)モデルと比較して、すべての評価指標において4.37%から11.53%の改善が達成された。コードはGitHubにて公開されており、以下のリンクからアクセス可能である:\href{https://github.com/sqlcow/TITAN}{https://github.com/sqlcow/TITAN}。