Neues Diffusionsmodell verbessert Verkehrsdaten mit räumlich‑zeitlichem Feedback

In modernen intelligenten Verkehrssystemen ist die präzise Ausfüllung fehlender Messwerte entscheidend. Ein neu entwickeltes Diffusionsmodell namens FENCE nutzt dafür ein innovatives Feedback‑Guidance‑System, das die bisherige, einheitliche Steuerung der Guidance‑Skalen in räumlich‑zeitlichen Daten überwindet.

FENCE passt die Guidance‑Skala dynamisch an: Wenn die generierten Werte von den beobachteten Daten abweichen, wird die Skala erhöht, um die Korrektur zu verstärken; sobald die Übereinstimmung besser wird, wird sie reduziert, um Überkorrekturen zu vermeiden. Diese adaptive Regelung verhindert, dass der generative Prozess zu stark vom gelernten Prior abweicht und sorgt so für realistischere Ausfüllungen.

Darüber hinaus berechnet FENCE die Guidance‑Skalen auf Cluster‑Ebene, indem Knoten nach ihren Attention‑Scores gruppiert werden. Durch die Berücksichtigung räumlich‑zeitlicher Korrelationen erhält jedes Cluster eine maßgeschneiderte Anleitung, was die Genauigkeit der Imputation weiter steigert.

Experimentelle Tests auf realen Verkehrsdatensätzen zeigen, dass FENCE die Imputationsleistung signifikant verbessert und damit einen wichtigen Schritt zur zuverlässigen Analyse und Vorhersage von Verkehrsflüssen darstellt.