深層学習は交通予測モデルが天気や時間情報などの複数の補助データソースを融合し、予測精度を向上させることを可能にします。既存の手法は汎用性と拡張性に制限があり、この分野では公平なモデル比較を実現する統一ベンチマークフレームワークが不足しています。この欠如は性能評価の一貫性を妨げ、堅牢で適応性の高いモデルの開発を遅らせ、異なる補助データソースの増分効果を定量化することを困難にします。これらの問題を解決するために、我々は多源補助データを統合した交通予測深層学習統一ベンチマークフレームワークであるMltAuxTSPPを提案します。本フレームワークは標準化されたデータコンテナと融合埋め込みモジュールを備えており、異種データの統一的な処理を実現し拡張性を向上させます。生成される統一潜在表現は各種下流モデルでシームレスに活用可能で、同一条件下での公平かつ再現性のある比較を保証します。実データセットに基づく広範な実験により、MltAuxTSPPは気象および時間特徴を有効活用して長期予測性能を向上させることが示されており、交通状態予測研究の推進に実用的かつ再現可能な基盤を提供します。

交通予測;ベンチマークプラットフォーム;深層学習;多源補助データ