Liang, Yuxuan, Kun Ouyang, Lin Jing, Sijie Ruan, Ye Liu, Junbo Zhang, David S. Rosenblum, and Yu Zheng. "UrbanFM: Inferring Fine-Grained Urban Flows." arXiv preprint arXiv:1902.05377 (2019).
Code: https://github.com/yoshall/UrbanFM (pytorch)
這篇論文采用的是端到端的深度學習框架噩凹，以粗粒度的城市流量地圖和天氣士复、日期時間等其他影響因素作為輸入，最后得到細粒度的城市流量地圖颂鸿。
image.png
| 任務 | 數(shù)據(jù)集 | 方法 | 評價指標 | 應用 |
|---|---|---|---|---|
| Fine-grained Urban Flow Inference(FUFI) | TaxiBJ择吊；HappyValley | deep neural network-based method(UrbanFM) | Root Mean Square Error(RMSE)李根；Mean Absolute Error(MAE)； Mean Absolute Percentage Error(MAPE) | No |
總的來說几睛，該文章的創(chuàng)新點在于：
1.將外部影響因素歸類于分類和連續(xù)
2.以圖像的方式來進行端到端的粗粒度流圖轉換到細粒度的流圖
不足之處在于：
1.深度網絡結構比較復雜
2.沒有同以往的人群流量預測的文章進行直接對比
