arXiv Artificial Intelligence· Daniel Y. Lee, Seungwon Shin, Seunghoon Han, Sungsu Lim, Susik Yoon·· 13 小时前AI 评分31
SIMBAD：面向非周期性交通预测的时空鲁棒模型
SIMBAD: Spatio-Temporal Traffic Forecasting Robust to Aperiodicity
AI 导读
SIMBAD 通过自适应调节周期信号以优先近期信号、并依据上下文关系动态调整相连节点间影响，提升对非周期波动的泛化能力。该模型基于简单相似度度量构建，在真实基准数据集上优于现有方法，对未见且不规则的交通事件预测表现更佳。论文共 30 页、9 幅图，已被 NeurIPS 2026 接收。
推荐理由模型分析
SIMBAD 针对时空图神经网络在突发事件下非周期波动预测的泛化瓶颈，提出两项机制：自适应调节周期信号以优先近期信号，以及按上下文关系动态调整节点间影响。作者报告其在真实基准数据集上优于现有方法，尤其对未见和不规则交通事件。适合交通预测研究者比较基线，但证据限于基准数据集，未涉及实际部署条件。
来源：arXiv Artificial Intelligence · arxiv.org