【论文速读】UrbanFM: Inferring Fine-Grained Urban Flows

京东城市计算郑宇等人与高校联合发表在2019 KDD上的一篇论文。[paper][code]

任务

端到端的深度学习框架，以粗粒度的城市网格流量和天气、日期时间等其他影响因素作为输入，最后得到细粒度的城市网格流量。下图左侧是一个粗粒度级的网格人流量，右侧是一个细粒度级的网格人流量。多个细粒度级区域的流量之和等于一个粗粒度级区域的流量。

挑战

1、空间相关性

• 空间层级结构：多个细粒度级区域的流量之和等于一个粗粒度级区域的流量。
• 相邻区域之间的相互影响关系。

2、外部因素的影响：天气、一天中的第几个小时（time of day）、星期几、特殊事件、POI等。

模型

模型主要由外部因素和结构约束推理两个模块组成。（结构约束即任意两个粗粒度区域均由互不重合的两组细粒度级区域组成。）如下图：

推理网络首先通过Feature Extraction模块提取特