MetaDG: Dynamische Graphen revolutionieren Verkehrsflussvorhersagen

Die Vorhersage von Verkehrsflüssen ist ein klassisches Problem der spatio‑temporalen Analyse, das in vielen Bereichen von der Verkehrsplanung bis zur Echtzeitsteuerung von Mobilitätsdiensten Anwendung findet. Der zentrale Schwierigkeitsgrad besteht darin, die komplexen Wechselwirkungen zwischen räumlichen und zeitlichen Abhängigkeiten exakt zu modellieren.

Neuere Forschungen zeigen, dass die Einbeziehung von Dynamik – also der zeitlichen Veränderung der Netzwerkstruktur – entscheidend ist, um diese Herausforderung zu meistern. Traditionelle Ansätze, die räumliche und zeitliche Abhängigkeiten getrennt behandeln, erschweren die Erfassung von spatio‑temporalen Korrelationen. Durch die Modellierung von Dynamik kann diese Lücke geschlossen werden, und die Berücksichtigung von heterogenen Mustern in beiden Dimensionen erweitert die Flexibilität des Modells.

Die neu vorgestellte Meta Dynamic Graph (MetaDG)‑Architektur nutzt dynamische Graphstrukturen von Knotendarstellungen, um die spatio‑temporale Dynamik explizit zu erfassen. Dabei entstehen nicht nur dynamische Adjazenzmatrizen, sondern auch Meta‑Parameter, die die Modellierung über die reine Topologie hinausführen und die heterogene Natur von Raum und Zeit in einer einzigen Dimension bündeln. Experimente an vier realen Datensätzen demonstrieren, dass MetaDG die Genauigkeit der Verkehrsflussvorhersage deutlich verbessert.