当交通遇上机器学习-CSDN博客

原创如何获取交通大数据

关注微信公众号《当交通遇上机器学习》后台回复“数据”即可获取:数据包括出租车GPS数据样例，地铁AFC刷卡数据样例，公交刷卡数据样例，共享单车订单数据（包括起终点，即租车还车位置的经纬度），同时还提供了高达175G的四个月的滴滴GPS数据和滴滴订单数据的获取方式，以及从数据处理（Oracle数据库）、模型构建（机器学习）、编程实现（python）到可视化（ArcGIS）等一系列视频教程。...

2019-05-11 02:01:41 11269 4

原创 ICLR | 自适应宽度神经网络:让模型自己决定每层神经元数量

近 70 年来，研究人员通常通过手动方式，或通过自动化的超参数调优方法，如网格搜索以及近年来的神经架构搜索，来选择神经网络层的宽度。我们的宽度学习方法的一个副产物是，可以以几乎为零的成本轻松截断训练好的网络，从而在性能和计算资源之间实现平滑的权衡。在 Multi30k 翻译任务中，AWN Transformer 用约 123 的总宽度替代固定模型 24576 的前馈层宽度，损失仍保持接近，说明 AWN 在部分场景中能显著减少参数使用。这说明 AWN 的宽度变化不是随机膨胀，而是与任务复杂度存在对应关系。

2026-05-26 11:30:00 562

原创交通顶刊TR Part C 2026年6月论文导读（下）

一期刊简介Transportation Research Part C (TR-C): Emerging Technologies 是交通领域顶刊，由 Elsevier 出版，中科院与 JCR 均为 1 区，近年影响因子约8–9.6。该期刊以交通系统为核心，聚焦 AI、大数据、运筹学等新兴技术对交通规划、运营、控制与管理的影响。本期推送Transportation Research Part C「2026 年 6月刊 Vol. 187」中的部分文章。二论文目录多功能无人机的多服务网络设计：城市监测、数据采集

2026-05-23 11:30:00 600

原创 TITS | DeepTimeGeo: 基于 Transformer 的稀疏数据轨迹重建

DTG 的主任务损失不仅包含恢复已观测停留点的交叉熵损失，还引入了三个 mobility-informed regularizers：控制地点 rank 访问分布的 L1、控制出发时间分布的 L2、控制居家/工作昼夜节律的 L3。实验表明，DTG 在 Coral Gables 和 Los Angeles 两个真实 LBS 数据集上能生成更符合出行调查分布的完整轨迹，并在 Coral Gables 案例中生成了更合理的城市尺度动态 OD 流，还能在 SUMO 交通仿真中体现早晚高峰拥堵模式。

2026-05-19 17:25:00 577

原创 TR-C | 昆士兰大学：基于物理信息的深度学习实时变道意图预测不确定性量化框架

结果显示，随着 LK 占比增加，平均熵从 0.5878 降至 0.1321，高熵单元比例从 33.82% 降至 1.53%，说明真实类别比例虽然让模型更“自信”，但也会使概率空间被 LK 主导，削弱对稀有换道行为的刻画能力。实验表明，相比 Monte Carlo Dropout 和 Ensemble CNN 等传统不确定性量化方法，SADI 能更有效地区分可靠与不可靠预测，在高置信阈值下显著过滤误报，并能在 AD4CHE 数据集上实现无需重新调参的零样本迁移。不同于统一建图方式，本文分别为。

2026-05-17 17:31:02 568

原创 TR-B | 同济大学：面向网格锁死感知的过饱和交通网络学习型 MPC 框架

创新性地将吞吐量最大化MPC与GNN长期预测器相结合，在理论上证明了其防死锁性，在仿真中验证了其在异构网络和不平衡需求下优于“PC+MP”层级框架的性能。GNN的作用类似于MFD的“细粒度扩展”，通过梯度提供自适应的流量调控权重，实现了隐式的边界控制效果和瓶颈识别能力。：过饱和网络中，现有策略要么侧重防溢出（可能导致绿灯空放），要么侧重吞吐量最大化（可能引发死锁），两者难以兼得。①在低累积时，下游队列梯度为负（鼓励放车）、上游梯度为正（鼓励来车），中累积时梯度趋近于0，形成类似MFD的“高吞吐平台区”；

2026-05-14 17:31:07 541

原创 TR-C | 美国加州大学：基于视觉语言模型的铁路车辆识别自动知识提取

通过系统性地分析模型识别错误，并迭代地将自动激发的、结构化的领域知识编码进系统提示，KAESP显著提升了VLM在铁路车辆细粒度识别任务上的性能。该方法无需重新训练或参数更新，通过分析三类识别错误（漏检、虚警、类间混淆）自动提取领域知识，并将其编码为结构化的四维系统提示（定义、关键特征、学习特征、视觉模式）。KAESP不再依赖人工先验知识或模型重训练，而是系统性地分析三类识别错误（漏检MD、虚检SD、类间混淆ICC），并自动生成结构化查询来激发VLM自身的推理能力，从而提取出区分性视觉特征。

2026-05-12 17:30:35 582

原创 Nature | 只有24%的论文愿共享数据？Nature研究揭开社会与行为科学的“计算可重现”窘境

本研究对2009–2018年间发表于62种社会与行为科学期刊的600篇论文进行了分层随机抽样，评估了数据和代码的可获取性，并对可评估的143篇论文（含551个声明）开展了系统的可重复性检验。：要求数据共享的期刊，数据可获取率87.5%，精确可重复率70.5%；结果显示：具有数据共享要求（87.5%）或代码共享要求（66.2%）的期刊，其论文数据可获取率显著高于无政策期刊（16.0%）。：整体数据可获取率仅24.0%（144篇），代码可获取率24.3%（146篇），两者均有的仅20.0%（120篇）。

2026-05-09 17:30:17 628

原创 TR-C | 同济&新国立：基于多智能体强化学习的大规模计划运营车辆准点性导向交通信号控制

基准方法包括：固定配时（FT）、最大压力（MP）、主动公交优先（ATSP）、仅考虑效率的PressLight（PL）、仅使用SV信息（Only‑SV）、固定SV观测维度（Fixed‑SV）仿真在网格网络和真实路网（中国钦州）中进行，结果表明：与多种基准方法（固定配时、最大压力控制、传统公交优先等）相比，本方法显著提升了SV的准点率（在60秒延误内到达的比例超过78%），同时。，使每个交叉口智能体能够实时处理可变维度的SV观测信息，并在兼顾整体交通效率的前提下，为临近目的地的SV提供更精准的优先权。

2026-05-07 17:30:23 390

原创 TR-C | 昆士兰大学：兼顾公平性的数据驱动拥堵定价-基于受约束深度强化学习的方法

全面的鲁棒性与迁移性测试进一步证实，相比传统的反馈控制和标准贝叶斯优化，基于RL的框架在面对不确定和动态变化的城市交通环境时，具有无可比拟的适应性和有效性。以极小的效率损失（TTT略增），显著降低了成本分布的基尼系数，实现了更公平的负担分配。更关键的是，仅在原环境优化过一次的。，对每位出行者的完整出行过程进行建模，并为其随机分配起终点、出发时间和时间价值（VoT），以实现出行者异质性。求解，使得智能体在最大化网络效率的同时，必须满足成本负担分布的基尼系数约束，实现了效率与公平的联合优化。

2026-05-05 17:35:50 303

原创 TR-B | 浙大：面向住宅区位选择的图神经网络-联结经典Logit模型

它不仅通过消息传递机制有效捕获了备选方案间的依赖关系，从而打破了MNL模型的IIA限制，更重要的理论贡献在于，它将经典的NL、SCL模型统一为自身框架下的特例，架起了传统计量经济学模型与前沿深度学习之间的桥梁。本文创新性地提出了一个。理论上推导并实证验证了：改变某个备选方案的属性，仅对其在替代图上的 k-hop邻居产生差异化的局部影响，而对邻居之外的方案影响则保持一致。：弹性分析直观展示，增加某一社区的住房单元，对GNN模型而言，其主要负向影响集中在空间相邻的社区，而对MNL模型的影响则是全球均匀分布的。

2026-05-04 17:40:43 513

原创 TR-C | 港大&同济：基于图集成传递熵的交通网络全局因果感知影响建模

所获得的全局因果感知邻接矩阵可直接迁移至现有的基于图的时空深度学习框架中，带来高达8%的性能提升，并对流量控制和瓶颈检测产生积极影响。通过将核密度估计的带宽作为可学习参数，使得模型能够在端到端训练中自适应地估计变量间的联合概率分布，从而更准确地捕捉动态、非线性的有向因果影响强度，避免了传统方法依靠固定统计量或复杂多变量计算的局限。，能将信息论（转移熵）、因果推断（后门调整）与高效的时空表征学习（图卷积）有机融合，从而在实际应用中同时实现高性能预测、可解释的因果结构发现和便捷的下游任务迁移。

2026-05-03 11:50:58 594

原创 TR-C | 浙大&浙财大：基于大语言模型知识蒸馏与专家集成的多步位置预测模型

近期，大型语言模型（LLM）展现了强大的语义理解和推理能力，为建模复杂的人类移动性提供了新思路，但其直接应用于该任务时面临计算成本高、推理延迟大，以及因上下文过长或候选集噪声而产生的“幻觉”问题。b. 反射增强蒸馏：用通用LLM（教师）基于提示生成初始描述 -> 将真实未来位置作为反馈，构建反思提示，让教师模型自我修正 -> 得到高质量的问答对作为蒸馏数据 -> 使用LoRA高效微调一个Qwen2.5-3B小模型（学生），使其成为专用的语义特征提取器（LLM4LP-3B）。为弥补这一差距，我们提出了一种。

2026-05-01 17:25:03 642

原创 ICML 2025 | COREL：面向相关时间序列的关系型保形预测方法

而且，COREL 在未知真图的情况下，已经能接近“使用真实图”的上限表现。与现有大多数将各时间序列独立处理的时间序列不确定性量化方法不同，COREL通过图深度学习在残差层面显式建模跨序列依赖，并在无需先验图结构、无需改造原始点预测器的前提下，实现了对预测区间的后验增强。COREL 将图深度学习与共形预测结合起来，创新性地提出面向相关时间序列进行关系感知的不确定性建模：它既可以在不改动原始点预测器的情况下做后验增强，也能在未知图结构条件下从残差中自动学习跨序列关系，从而构造更合理、更紧致的预测区间。

2026-04-24 12:03:30 561

原创 TR-C | 约翰斯・霍普金斯团队：LLM 驾驶类人行为机理，首次系统揭示！

团队首先完成 HermesSense 数据集的采集与标注，在美国宾夕法尼亚州东南部招募 25 名不同年龄、性别、驾龄的驾驶员，在两条固定路线开展日间与夜间驾驶实验，通过车载摄像头、CAN 总线、眼动仪同步采集前视场景视频、车辆动力学数据、驾驶员视线信息，最终筛选 11 万帧有效数据，覆盖高速、匝道、城市道路等多种场景。评估层面，研究从短期与长期两个维度设计指标，短期行为对齐将驾驶决策拆解为速度控制、转向决策、转向角调整三类分类任务，采用准确率、F1 分数、JS 散度衡量模型决策与人类的匹配度；

2026-04-22 12:03:53 611

原创 NeurIPS 2025 | TimeXL：融合 LLM-in-the-Loop 的可解释多模态时序预测框架！

（2）因此，原始文本中的匹配段原型对重点更集中在温度稳定性和典型的日变化上，而精炼文本中的匹配对则更突出风的变化性、水分传输和即将到来的天气系统，这更符合降雨条件。除了时间序列之外，文本原型还突出了针对不同天气状况的一致语义模式，例如特定区域的特定描述（例如，干燥的空气进入该区域、高压系统的增强）以及整体描述（例如，干燥天气的可能性）。虽然预测 LLM 利用可解释的成果来进行有依据的预测，但它本身并非为适应多模态时间序列数据的环境而设计的，这可能会导致在文本上下文质量不佳的情况下产生不准确的预测。

2026-04-20 12:04:06 647

原创 TR-B | 中南-北航团队：连续通勤走廊早高峰均衡，终于完整破解！

在Transportation Research Part B发表最新成果，引入连续时间偏好 CSP，首次完整给出含早到与迟到的无收费均衡解析与数值解，揭示喇叭形出发时空集与先增后减通勤密度，与现实城市通勤高度吻合。：在无收费均衡下，对任意位置 x∈[0,x̄]，全域出发率统一：nₑ(x)=nₗ(x)=n (x)即早到、准时、迟到车辆在同一位置的出发率不随时间变化，且彼此相等。同一位置出发率不随时间变化：n_e (x,t)=n_e (x)，n_l (x,t)=n_l (x)为后续出发集形态证明奠定基础。

2026-04-16 12:06:37 561

原创 TR-C 2026｜北交大 TransFM：统一建模多模态交通，实现跨城市泛化

是：如何构建一个统一的交通基础模型，在实现对各出行模式专属属性精准刻画的同时，有效建模跨模式潜在关联，精细捕捉城市—模式的时空异质性，进而高效蒸馏跨城市的通用规律，并支持在小样本条件下快速适配新城市或新出行模式。现实中，城市交通系统包含地铁、网约车、出租车、共享单车等多种出行模式，各模式在空间结构与功能定位上差异显著，且同一模式在不同城市中的时空需求分布也存在。，用混合专家 + 记忆架构平衡模式专属、跨模交互、城市异质、跨城通用，在精度与泛化性上取得双重突破，为数据稀缺城市快速构建智慧交通预测系统提供了。

2026-04-14 12:09:01 714

原创 TR-C 2026 | 同济：GATSim，基于生成式智能体的城市交通仿真框架

将大语言模型与生成式智能体引入交通仿真，提出GATSim 框架，让智能体具备记忆、学习、反思与动态决策能力，实现从规则驱动到智能驱动的仿真变革。开源框架为交通规划、政策评估、应急管理提供全新工具，期待推动交通仿真走向更真实、更灵活、更智能的未来。：主流框架（如 MATSim）依赖规则 / 优化，无法还原人类出行的异质性、适应性、社交互动，行为多样性不足。传统基于智能体的城市出行仿真依赖刚性规则系统，难以刻画人类出行决策的复杂性、适应性与行为多样性。展示城市出行仿真环境与生成式智能体模块之间的交互关系。

2026-04-12 12:09:00 688

原创 Nature Communications丨基于 conn2res 实现的连接组驱动储备池计算

实验表明，真实大脑的网络拓扑在临界动力学状态下能够最大化记忆容量，模块化功能系统在计算能力上存在显著差异，且结构属性与动力学状态交互影响计算表现，临界态优势来源于结构与动力学的耦合作用而非单一因素。与此同时，作者还为储备池赋予不同类型的局部动力学，包括 sigmoid、tanh、ReLU、leaky ReLU 等人工神经元激活函数，以及更具生物合理性的脉冲神经元模型，从而比较不同局部非线性对任务表现的影响。研究以多尺度、多物种的结构连接组为基础，将经验获得的脑网络转化为可计算的网络模型。

2026-04-10 12:03:46 726

原创《人工智能与交通大数据实战》MOOC第四次开课，欢迎选修！

专注于计算机科学与其他行业的深度交叉融合，旨在通过一些AI和大数据领域的基础知识讲解和案例实战应用，培养学生的学科交叉思维、大数据思维和编程能力、掌握基本的人工智能建模技术等。对于非计算机专业的同学，无论来自交通、土木、规划等领域，在当下这个人工智能与大数据快速发展的时代，如何轻松入门这一新兴领域，理解代码逻辑，掌握数据分析与人工智能的基础知识，成为了许多同学关注的问题。Python，到深度学习框架PyTorch，再到人工智能基础，最后到地铁，共享单车，出租车，私家车，以及空中交通五个。

2026-04-09 10:00:52 313

原创 AAAI 2026 | PolyU：从 S-DFL 到 R-DFL，决策导向学习中的闭环建模新思路

该研究的创新点在于提出了递归式决策导向学习框架（R-DFL），将传统单向的“预测—优化”流程扩展为“预测—优化—反馈—再预测”的闭环结构，为闭环决策系统中的预测与优化一体化建模提供了新的思路。为此，本文提出递归式决策导向学习框架（R-DFL），在预测与优化之间显式引入双向反馈机制，并设计了两种梯度传播策略，即基于自动微分的显式展开法和基于不动点分析的隐式微分法。总体而言，R-DFL 为复杂闭环系统中的预测—决策一体化建模提供了统一框架，并为其在不确定环境下的推广应用奠定了基础。

2026-04-08 12:08:37 546

原创 Commun. Transp. Res. | 微观 - 宏观贯通！同济团队提出解析型随机基本图模型

同时融合跟驰稳定性与换道行为，完善更贴近真实交通的宏观随机关系，并将解析方差嵌入管控目标，设计面向最小随机性的匝道控制与自动驾驶纵向控制策略，推动理论成果落地工程应用。图 1 基本图理论建模（基于经典跟驰（CF）模型的确定性基本图（DFD）建模，以及基于前车 - 后车条件分布（LFCD）的随机基本图（SFD）建模）及实际应用意义。，基于最大熵原理首次给出随机基本图（SFD）的解析均值与方差表达式，打通微观驾驶行为与宏观交通流不确定性的理论链路，为交通管控、自动驾驶控制策略提供坚实理论支撑。

2026-04-07 12:05:10 362

原创 TR-C丨东南大学TRIP：智能交通大模型基础框架研究

团队在交通领域顶刊Transportation Research Part C发表重要成果，原创提出TRIP（Transport Reasoning with Intelligence Progression）框架，首次用双状态空间理论统一交通物理建模与语义理解，实现像人类专家一样的渐进式推理决策，为智能交通大模型落地提供全新理论与技术路径。：统一固定维向量空间，通过物理映射与语义映射实现双向嵌入，满足唯一性、Lipschitz 连续性、跨模态一致性、可判别性、可解释性。

2026-04-06 12:05:12 616

原创清明至，宜静心｜科研人，偶尔也该给学术生活放个小假

如果你和我一样是轨道交通、道路交通、城市规划相关领域的，也可以加微信：Dr_JinleiZhang，备注“进群”，加入交通大数据交流群！暂时的停歇，不是懈怠，而是为了更好地出发，梳理学术思路，调整科研状态，再重新投入到论文撰写与研究中，往往会有新的灵感与突破。趁着清明时节，放下手头的文献和数据，去看看窗外的春色，去感受春日的生机，就像科研路上的探索，有低谷，也有春暖花开的时刻。清明安康，愿你我，都能在忙碌的科研生活里，寻得属于自己的松弛与诗意。清明的 “明”，是明确科研的方向。春雨润万物，清明踏春来。

2026-04-05 11:46:00 301

原创 IEEE TNNLS 2025丨标签只有 0.4% 也能 SOTA！东南大学 USemiS 破解少样本时空异常检测难题

通过多次重采样生成连通矩阵，构建能够衡量模型稳定性的共识矩阵，并使用 PAC 指标量化聚类模糊度，以最小化 PAC 为目标自动优化各组件学习器的超参数，让稳定、泛化性强的学习器获得更高权重，从而提升整体集成的鲁棒性。提出USemiS 无监督‑半监督堆叠框架，融合半监督学习与集成元学习，在仅 0.4%–0.8% 标注数据的极端少样本场景下，实现交通异常、人群跌倒检测SOTA 性能，为真实场景低标注异常检测提供可扩展、高鲁棒方案。在 0.4%、0.8%、2% 三种标注比例下，AUC 分别达到。

2026-04-05 07:18:18 531

原创交通顶刊TR Part C 2026年5月论文导读（下）

但现有机制多停留在战术前期层级，采用静态或分段定价模式，难以应对实时动态的临场运行需求，主要存在三点短板：（1）难以刻画机场与航司之间的实时博弈交互；在此背景下，科学的车辆调度与路径规划，是提升公路货运准点率与行车安全的关键；该模型将可同时表征电动汽车时域与荷电状态变化的偏微分方程组（PDE），嵌入多类别流体排队网络，突破了传统排队模型难以追踪车辆电池电量的技术瓶颈。此外，融合标注数据与无标签推断数据构建的模型，运算效率更高，但预测精度略低于仅使用纯标注数据的模型，说明活用无标签推断数据具备一定应用价值。

2026-04-03 11:40:34 626

原创交通顶刊TR Part C 2026年5月论文导读（上）

此外，为兼顾评测真实性与测试安全性，本文搭建虚实图像融合的硬件在环测试平台，可将仿真交通参与者与道路基础设施实时叠加至实车相机数据流中，依托 PC 级硬件即可完成复杂交通场景的可控化测试。此外，该模型可输出可解释的站内客流机理解析：研究发现，登车客流与下车客流的交互作用存在明显差异，且该交互规律会随时段、工作日 / 非工作日发生动态变化。实验结果表明，在角色扮演任务中，生成式智能体的表现可与人类标注者相媲美，同时能够自然生成具有现实意义的宏观交通模式。，开展电动汽车市场推广规律的全域时空溯源分析。

2026-04-02 17:56:12 821

原创 Nature | 利用大型语言模型进行程序搜索的数学发现

不直接搜索解，而是在函数空间中搜索生成解的程序，兼具可解释性、紧凑性与可扩展性，并通过自动化评估有效抑制大模型幻觉，保证结果严格可靠。生成的程序进行执行与验证：运行候选程序，并检查其是否在限定的时间与内存约束内完成计算，同时验证输出结果的合法性。对于通过初步验证的程序，系统进一步进行打分评估：在多组测试输入上运行程序，从多个维度获取性能指标，并通过均值等聚合方式计算整体得分，以量化程序的质量。通过这种方式，模型并非从零开始生成程序，而是在已有候选程序的基础上归纳其有效模式，并尝试产生进一步改进的版本。

2026-04-01 13:49:37 584

原创 Communications Earth & Environment | 气候变化下全球道路面临滑坡风险预测

综上所述，本文构建了一个全球尺度的道路滑坡风险评估框架，将气候变化、滑坡灾害以及基础设施系统有机结合，实现了从自然过程到工程风险的系统量化分析。天气站进行验证，验证方法是比较相关系数，气候模型降雨和真实气象站降雨如果相关系数高的话，说明模型可靠，这个模型如果可靠，可以用于预测未来滑坡概率。个热点地区，包括北美中西部，美国东部，南美的中东、西欧、非洲中东，南亚，东亚和东南亚。中国东部地区人口密度高，城市化快，风险增长较为明显，说明发展中地区由于快速发展，且适应能力不足，风险加剧。

2026-03-31 16:40:25 581

原创 TKDE | 基于时空并行网格的轨道交通多步客流预测

为了解决上述多步客流预测问题，本文提出了一种新的深度学习框架spatial - temporal Parallel TrellisNets+ (STP-TrellisNets+)，如图3所示，它由一个时间模块基于紧密周期性TrellisNets的编码器-解码器(CPTrellisNetsED)，一个空间模块基于图卷积TrellisNets的编码器-解码器(GC-TrellisNetsED)和一个聚合模块Output组成。即一个车站的客流与历史客流上的相关，又与其他台站的客流有空间上的相关。

2026-03-30 16:55:59 369

原创 TITS |基于动态超图卷积的地铁客流预测

在北京和杭州的历史数据集上进行的实验验证了该方法的有效性，并取得了比现有方法更高的预测精度。通过对热力图的分析，不同时间跨度的出行OD揭示了同期大部分人的出行轨迹，即大部分乘客进入哪些站点，然后从哪些站点出站。然而，地铁车站之间的连接比点对点的连接带有更多的信息，因为所有的连接都属于相应的地铁线路。然后，将超图的拉普拉斯矩阵和地铁流量数据输入到STHGCN中，其中包含超图的卷积层和时间卷积层，以获取超图中每个顶点的光谱和时间特征。时空块的输出是节点级别的预测，最后将其融合，输出每个站点的预测结果。

2026-03-29 20:02:59 568

原创 TITS | 一种用于地铁客流需求预测的深度多任务学习模型

在实际场景中，为了提升地铁服务质量，往往需要从多个角度获取客流需求信息，例如进站客流、出站客流，以及不同进/出站点之间的换乘客流。这一问题具有挑战性，因为多种需求之间存在复杂关系（例如，进站客流只与历史进站相关，而出站客流不仅与出站相关，还受到进站的影响），并且存在多任务预测训练不平衡的问题。然而，大多数现有研究仅专注于单一类型的客流需求预测，如进站需求、出站需求或转移需求，而忽视了多种客流需求的联合预测。为了支持这些措施，对客流在系统中的准确、短期预测是必不可少的，这有助于地铁系统的高效运营和管理。

2026-03-27 21:08:38 314

原创 IEEEICDE2025 | TimeKD：融合大语言模型与知识蒸馏的时间序列预测方法

此外，文章提出了一种创新的特权知识蒸馏方法，包括相关性蒸馏和特征蒸馏，用于将教师模型中的表示迁移到轻量级学生模型中。随着大语言模型的发展，近期研究通过文本提示调优的方式，将大语言模型的知识注入到多变量时间序列预测任务中。的目标是：从所提出的跨模态教师模型中生成高质量的未来表征，并训练出一个高效的学生模型。），该方法包含基于特权信息的相关性蒸馏与特征蒸馏，能够让学生模型学习教师模型的行为模式，同时最小化二者的输出差异。）的跨模态教师模型，用于重建时间序列的真实值，以学习高质量的未来表示。

2026-03-25 16:58:26 580

原创 Nexus | 连接预测和决策：数据驱动优化的进展和挑战

文章信息论文题目为《Bridging prediction and decision: Advancesand challenges in data-driven optimization》，该文于2025年发表于《Nexus》期刊上。摘要数据驱动方法通过将预测与决策相结合，彻底改变了传统的优化方法。文章探讨了三种关键方法 —— 顺序优化、端到端学习和直接学习 —— 的理论基础、优势、最新进展和局限性，重点介绍了它们在电网调度、运营管理和智能自主控制中的实际应用。并且进行了多维度比较，随后讨论了数据中心方法

2026-03-24 16:56:16 323

原创 AAAI-25 | 基于自回归移动扩散模型的时间序列预测方法

这类做法忽略了时间序列本身固有的连续序列特性，使得扩散机制与时间序列预测的目标之间存在本质上的不匹配，进而严重影响了预测效果。为解决这一问题，本文借鉴经典的自回归移动平均（ARMA）理论 —— 该理论将时间序列视作由历史数据点逐步演化而来的连续过程 —— 提出一种全新的自回归移动扩散（ARMD）模型，首次实现了面向连续序列特性的扩散式时间序列预测。与以往从高斯白噪声出发生成序列的方法不同，本文模型采用基于链式先验的扩散方式，能够更精准地刻画时间序列的演化规律，并借助中间状态信息提升预测的精度与稳定性。

2026-03-23 16:51:42 572

原创 ACM | 提示赋能的通用城市时空预测模型

尽管在预训练自然语言模型方面取得了显著的突破，使一个模型能够处理多种任务，但一个用于时空预测的通用解决方案仍然具有挑战性。现有的预测方法通常是针对特定的时空场景量身定制的，需要特定任务的模型设计和广泛的特定领域的训练数据。在这项研究中，引入了。这表明，对于一个全新的场景，即使显示的整体模式与训练过程中遇到的数据不同，在少量的学习场景中，当在训练过程中面对一个看不见的数据集时，使用了有限数量的训练数据，具体来说，训练数据的。此外，基线方法在不同的数据集上表现出不一致的性能，表明它们在不同场景下的不稳定性。

2026-03-21 17:20:55 239

原创 Nature | 准确预测小样本数据的表格基础模型

计算图传播与特征生成：每个节点的值通过其父节点的值经计算模块处理后生成，模块类型包括：非线性变换模块、离散化模块、决策树模块、噪声注入。基于合成数据的预训练框架：通过结构因果模型生成百万级合成数据集，覆盖真实数据的多样性挑战（如缺失值、异常值、无关特征）；）的表格基础模型，用于在小到中型表格数据上进行准确的预测，并在多项基准测试中显著优于现有的方法，如梯度提升决策树（如。）的构建、计算图传播与后处理技术，确保生成数据覆盖真实场景中的复杂性（如缺失值、异常值、无关特征等）。在各种数据集类型上的性能分析。

2026-03-20 16:53:22 321

原创 AAAI-25 | TimeCMA一种基于大语言模型的时间预测框架

具体来说，我们提出了一个双模态编码框架，包括两个分支：时间序列编码分支提取可分离的但仍然很弱的时间序列嵌入，而LLM增强分支将时间序列与文本作为提示一起处理，以获得纠缠但鲁棒的提示嵌入。我们发现，去除提示编码器（w/o Prompt Encoder）的影响最小，因为LLM能够捕捉变量之间的依赖关系，并且提示编码器的作用是为后续的跨模态对齐做准备。基于提示的LLM，如TimeCMA，优于基于时间序列的LLM和OFA，MSE和MAE分别提高了16.1%和11.9%。这表明提示增强了时间序列的嵌入。

2026-03-19 16:57:02 593

原创 Communications in Transportation Research | 一种可解释交通流预测大语言模型

中添加生成解释文本的指令，会导致解释往往与预测结果缺乏一致性，这是由于解释与预测之间的对齐不足造成的。值得注意的是，模型在整个月内的表现持续优于其他模型，体现了其在处理真实交通场景中多样时间动态变化时的优越能力。该框架的预测精度与当前最先进的深度学习模型相比具有竞争力，且无需额外训练，就能在不同交通流预测场景中展现出优异的泛化能力。进行指令微调，在保证预测精度的同时，能生成直观易懂的自然语言解释，清晰阐述预测结果的核心影响因素与推理逻辑。结果以日历热力图的形式展示在下图中，呈现了各模型在整月中的对比性能。

2026-03-18 16:55:20 273

最新的北京地铁shp文件（shapefile文件）

中国铁路shapefile文件

北京地铁线路图 GIS图 shapefile文件 最新 2018

北京地铁线路shapefile 文件（16号线北段）.zip

空空如也

北京地铁线路图 GIS图 shapefile文件最新 2018