Fugu-MT 論文翻訳(概要): A Cross-Domain Traffic Prediction Based on Federated Learning

論文の概要: A Cross-Domain Traffic Prediction Based on Federated Learning

arxiv url: http://arxiv.org/abs/2503.11963v2
Date: Sat, 05 Apr 2025 13:21:23 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-08 14:06:21.544957
Title: A Cross-Domain Traffic Prediction Based on Federated Learning
Title（参考訳）: フェデレーション学習に基づくクロスドメイン交通予測
Authors: Zhihao Zeng, Ziquan Fang, Yuting Huang, Lu Chen, Yunjun Gao,
Abstract要約: 我々は、効果的で効率的でプライバシーに配慮したクロスドメイントラフィック予測フレームワークを提案する。 3つの主流トラフィック予測タスクで4つのデータセットを使用した実験は、フレームワークの優位性を示している。
参考スコア（独自算出の注目度）: 24.359053901146623
License:
Abstract: In this paper, we propose an effective, efficient, and privacy-aware cross-domain traffic prediction framework, along with a novel federated transfer paradigm, to overcome the limitations of privacy leakage risk, cross-city data discrepancy, low data quality, and inefficient knowledge transfer. Experiments using four datasets on three mainstream traffic prediction tasks demonstrate the framework's superiority.
Abstract（参考訳）: 本稿では,プライバシリークリスク,都市間データ不一致,データ品質の低下,非効率な知識伝達の限界を克服するため,新しいフェデレーション・トランスファーパラダイムとともに,効果的で効率的で、かつ、かつ、プライバシーに配慮したクロスドメイントラフィック予測フレームワークを提案する。 3つの主流トラフィック予測タスクで4つのデータセットを使用した実験は、フレームワークの優位性を示している。

関連論文リスト

BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文参考訳（メタデータ） (2024-03-08T04:19:56Z)
Multi-scale Traffic Pattern Bank for Cross-city Few-shot Traffic Forecasting [15.123457772023238]
本稿では,マルチスケール交通パターンバンクと呼ばれる都市間交通予測問題に対する解決策を提案する。このフレームワークは高度なクラスタリング技術を用いて、マルチスケールのトラフィックパターンバンクを体系的に生成する。実世界の交通データセットを用いた実証評価により,MTPBの優れた性能が確認された。
論文参考訳（メタデータ） (2024-02-01T07:33:31Z)
ChatTraffic: Text-to-Traffic Generation via Diffusion Model [45.82932883802526]
従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
論文参考訳（メタデータ） (2023-11-27T08:52:10Z)
Cross-city Few-Shot Traffic Forecasting via Traffic Pattern Bank [15.123457772023238]
交通パターンバンク(TPB)を用いた都市間交通予測フレームワークを提案する。 TPBは、訓練済みのトラフィックパッチエンコーダを使用して、データ豊富な都市からの生のトラフィックデータを高次元空間に投影する。隣接行列は、下流の時空間モデルで将来のトラフィックを予測するために構成される。
論文参考訳（メタデータ） (2023-08-17T13:29:57Z)
Uncertainty Quantification for Image-based Traffic Prediction across Cities [63.136794104678025]
不確実量化(UQ)法は確率論的推論を誘導するためのアプローチを提供する。複数の都市にまたがる大規模画像ベース交通データセットへの適用について検討する。モスクワ市を事例として,交通行動に対する時間的・空間的影響を考察した。
論文参考訳（メタデータ） (2023-08-11T13:35:52Z)
FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph [10.675666104503119]
本稿では,詳細な深部交通推論をedIと呼ぶ。道路間の関係をモデル化するために,交通信号に基づくきめ細かい交通グラフを構築した。私たちは、都市レベルのきめ細かい交通予測を最初に実施しました。
論文参考訳（メタデータ） (2023-06-19T14:03:42Z)
Traffic Prediction with Transfer Learning: A Mutual Information-based Approach [11.444576186559487]
そこで我々は,他の都市からのビッグデータを用いて交通予測を行う都市間交通予測手法であるTrafficTLを提案する。 TrafficTLは3つの実世界のデータセットの包括的なケーススタディによって評価され、最先端のベースラインを約8～25%上回る。
論文参考訳（メタデータ） (2023-03-13T15:27:07Z)
Modeling Network-level Traffic Flow Transitions on Sparse Data [6.756998301171409]
本稿では,スパースデータからネットワークレベルのトラフィックフローを予測できるDTIGNNを提案する。提案手法は最先端の手法よりも優れており,交通機関の意思決定支援に有効であることを示す。
論文参考訳（メタデータ） (2022-08-13T13:30:35Z)
Efficient Federated Learning with Spike Neural Networks for Traffic Sign Recognition [70.306089187104]
我々は、エネルギー効率と高速モデルトレーニングのための交通信号認識に強力なスパイクニューラルネットワーク(SNN)を導入している。数値的な結果から,提案するフェデレーションSNNは,従来のフェデレーション畳み込みニューラルネットワークよりも精度,ノイズ免疫性,エネルギー効率に優れていたことが示唆された。
論文参考訳（メタデータ） (2022-05-28T03:11:48Z)
Road Network Guided Fine-Grained Urban Traffic Flow Inference [108.64631590347352]
粗いトラフィックからのきめ細かなトラフィックフローの正確な推測は、新たな重要な問題である。本稿では,道路ネットワークの知識を活かした新しい道路対応交通流磁化器(RATFM)を提案する。提案手法は,高品質なトラフィックフローマップを作成できる。
論文参考訳（メタデータ） (2021-09-29T07:51:49Z)
An Experimental Urban Case Study with Various Data Sources and a Model for Traffic Estimation [65.28133251370055]
我々はスイスのチューリッヒの都市ネットワーク内の地域でビデオ計測による実験キャンペーンを組織した。我々は,既存のサーマルカメラからの測定を確実にすることで,交通の流れや走行時間の観点からの交通状況の把握に注力する。本稿では,様々なデータソースの融合による移動時間を推定するために,単純かつ効率的な多重線形回帰(MLR)モデルを提案する。
論文参考訳（メタデータ） (2021-08-02T08:13:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。