PASTN: Leichtgewichtiges Netzwerk verbessert Verkehrsprognosen großen Gebieten

Die Vorhersage von Verkehrsflüssen ist für das tägliche Leben unverzichtbar, denn sie nutzt die räumlich‑zeitlichen Beziehungen zwischen allen Standorten eines Gebiets, um zukünftige Ströme vorherzusagen. Für weite geografische Bereiche und längere Zeiträume muss ein Modell jedoch jeden Knoten klar unterscheiden und gleichzeitig einen umfassenden Blick auf die gesamte Historie behalten – ein Aspekt, der in bisherigen Arbeiten oft vernachlässigt wurde.

Um diesen Herausforderungen zu begegnen, präsentiert die neue Studie ein leichtgewichtiges Positional‑Aware Spatio‑Temporal Network (PASTN). Das Netzwerk kombiniert positionale Einbettungen, die jedem Knoten eine eindeutige Identität verleihen, mit einem temporalen Aufmerksamkeitsmodul, das die Wahrnehmung über lange Zeiträume hinweg verbessert. Dadurch kann PASTN sowohl räumliche als auch zeitliche Komplexitäten in einem End‑to‑End‑Ansatz erfassen.

Ausführliche Experimente auf Datensätzen unterschiedlicher Größen – von Landkreisen über Megalopolen bis hin zu Bundesstaaten – zeigen, dass PASTN nicht nur die Genauigkeit der Vorhersagen steigert, sondern auch deutlich effizienter arbeitet als herkömmliche Modelle. Die Analyse bestätigt die Wirksamkeit der neu eingeführten Module und unterstreicht die Eignung von PASTN für den Einsatz in realen Verkehrsmanagement‑Systemen.