不完整数据下的不确定性感知交通预测
原文中文，约300字，阅读约需1分钟。发表于：。通过建立一个不确定性感知框架，本研究提出了一种能够推广预测至无历史记录的缺失位置、显著扩展预测位置的空间覆盖程度以及减少传感器部署数量的方法，并生成包含不确定性量化的概率预测，以助于风险管理和决策制定。通过对真实数据集的广泛实验，结果表明我们的方法在预测任务上取得了有希望的结果，并且不确定性量化结果与有和无历史数据的位置高度相关。我们还展示了我们的模型能够在交通领域的传感器部署任务中，以有限...
本研究提出了一种通过不确定性感知框架来推广预测的方法，能够减少传感器部署数量，生成包含不确定性量化的概率预测，以助于风险管理和决策制定。实验结果表明该方法在预测任务上取得了有希望的结果，并且不确定性量化结果与有和无历史数据的位置高度相关。同时，该模型能够在交通领域的传感器部署任务中，以有限的传感器部署预算实现更高的准确性。
