Traffic Prediction
시계열은 시간 순서대로 배열된 데이터 포인트의 시퀀스를 의미하며, 과거 데이터를 분석하여 미래 동향을 예측하는 것을 목표로 합니다. 시계열 분석은 데이터가 시간에 따라 어떻게 변화하는지의 패턴을 밝혀내어 금융, 기상학, 의료 등의 분야에서 과학적인 의사결정의 근거를 제공하므로 중요한 응용 가치를 지니고 있습니다.
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