RiskTraf：风险外推残差学习在多变量交通流预测中的应用

# 面向多元交通流预测的风险外推残差学习
来源：https://arxiv.org/html/2608.20656
## RiskTraf：面向多元交通流预测的风险外推残差学习
会议：第35届ACM国际信息与知识管理大会论文集；2026年11月7-11日；意大利罗马。
第35届ACM国际信息与知识管理大会论文集（CIKM '26），2026年11月7-11日，意大利罗马
ISBN：979-8-4007-2539-5/2026/11
DOI：10.1145/3799682.3840707 (https://doi.org/10.1145/3799682.3840707)
CCS：计算方法学 时空推理
CCS：计算方法学 神经网络
CCS：信息系统 数据挖掘

Guangyu Wang 邮箱：[[email protected]](mailto:[email protected])
所属机构：中国辽宁省大连市东北财经大学
Zhidan Liu 注：通讯作者。邮箱：[[email protected]](mailto:[email protected])
所属机构：中国广东省广州市香港科技大学（广州）

2026年；© cc

###### 摘要

交通传感器通常记录流量、速度和占有率，但标准的交通流预测基准和模型很少可靠地利用这三项原始测量值。尽管速度和占有率提供了超越流量本身的传感器原生交通状态信息，但现有的数据集往往省略这些变量，用代理变量替代，或包含逻辑不一致的记录。此外，直接对三变量输入进行经验风险最小化可能利用状态相关的捷径关联，因为流量、速度和占有率之间的关系在自由流和拥堵状态下差异显著。我们引入了**PEMSB-3V**，这是一个公开基准套件，保留了来自PeMS检测器的原始流量、速度和占有率测量值，用于流量预测。我们还提出了**RiskTraf**，一个模型无关的风险外推残差插件。对于每个训练好的时空主干网络，RiskTraf冻结选定的检查点，并从历史速度和占有率中学习一个轻量级的零启动残差头。残差头构建有序的交通风险环境，并采用风险外推目标优化预测时界范围内的流量修正，从而在不修改主干网络的情况下减轻状态特有的捷径关联。大量实验表明，RiskTraf持续提升了多种预测主干网络的性能，并优于去偏和分布偏移适应方法。我们的代码和基准可在https://github.com/Guangyu4/RiskTraf获取。

###### 关键词：
交通流预测，多元时间序列预测，风险外推，交通基准

††cc-许可：by

## 1. 引言

交通流预测旨在基于历史观测值，预测未来时间段内通过道路段站点的车辆数量。在广泛使用的基准，如PeMS（高速公路性能测量系统）[^8]中，交通流通常定义为环形线圈检测器在固定时间窗口（例如每5分钟）内记录的车辆计数。作为道路利用率的基础指标，准确的流量预测在智能交通系统[^43]中发挥着关键作用，使交通管理部门能够预见拥堵、优化信号控制，并更有效地分配交通资源[^35]。

近年来的研究通过设计表现力越来越强的时空模型，在交通预测方面取得了重大进展，包括图神经网络[^31][^45]和基于注意力的架构[^32]。然而，随着该领域的成熟，纯粹架构创新带来的性能增益变得越来越边际化[^40]，而模型复杂性和计算成本却持续增长。这一趋势促使研究人员利用更丰富的上下文信息以实现更准确的预测。现有工作已纳入外部来源，如天气状况[^15][^30]和文本信息[^49]。尽管如此，引入此类辅助来源通常需要额外的收集、存储和维护，从而增加了预测系统的数据端开销[^10]。更重要的是，它们难以与交通测量对齐：天气通常影响广泛区域，而传感器观测的是局部道路段[^50]，并且新闻等文本信号的更新时间粒度远比交通传感器粗糙[^22]。这种时空不匹配可能在数据融合过程中引入额外的噪声。

与外部辅助来源相比，更自然的丰富交通表示的方式是利用同一交通传感器报告的多个变量。除了流量，环形线圈检测器通常还记录**速度**和**占有率**，它们描述了交通状态的互补方面。速度捕捉车辆移动动态，而占有率衡量检测器被车辆占用的时间比例。由于这些变量与流量来自同一传感器并具有相同的时间分辨率，它们提供了传感器原生的辅助信息，避免了外部数据的时空错位。从信息论的角度[^3]，联合建模异构传感器变量可以提供超越任何单一变量的额外状态信息。因此，一些研究已经开始利用流量、速度和占有率进行交通预测[^24][^39][^36]。

然而，将速度和占有率纳入深度预测模型并非流量预测的简单扩展。有效利用它们需要满足两个耦合要求：从同一组传感器获取可靠的三变量测量值，以及在学习这些辅助变量时不依赖状态特有的捷径。

**挑战1：缺乏可靠的多元基准。** 现有的交通传感器发布数据不保证流量、速度和占有率同时有效且可用。原始的环形线圈检测器记录通常需要基于有效性阈值和流量一致性进行严格筛选[^42]，现场检测器可能存在诸如卡死、常开或悬挂等故障[^7]。此外，速度和占有率对检测器配置、车道定义、线圈长度和道路类型很敏感。因此，一个提供可用流量测量值的传感器可能仍然无法用于原始的三变量建模。这使得在标准化基准设置下系统评估利用流量、速度和占有率的方法变得困难。

**挑战2：状态依赖的辅助关联。** 尽管速度和占有率包含有用的交通状态信息，但它们与流量的关系并非在交通状态间保持不变。例如，在拥堵条件下，较慢的车辆可能使环形线圈检测器被占用更长时间，即使观测到的流量相似，也会增加占有率。因此，简单地将速度和占有率作为普通协变量可能导致模型利用状态特有的捷径，而不是稳健的预测模式。使用经验风险最小化（ERM）训练的模型可能会过拟合此类虚假相关性，导致跨交通状态的泛化能力下降。简单丢弃速度和占有率虽然避免了这种风险，但也浪费了有价值的传感器信息。现有的分布偏移适应[^11][^16]和去偏方法[^53]部分解决了相关问题，但它们通常依赖专门的偏移或偏差检测器，其效果受限于此类检测器的准确性和可用性。

为应对这些挑战，我们引入了一个可靠的基准套件和一个风险感知学习框架。首先，我们构建了**PEMSB-3V基准套件**，包含四个数据集：PEMS03-B、PEMS04-B、PEMS07-B和PEMS08-B。该基准套件与广泛使用的PeMS数据集保持区域对齐，同时保留了PeMS检测器报告的原始流量、速度和占有率测量值。通过进行传感器级别的验证，PEMSB-3V为研究历史三变量输入（流量预测目标）提供了标准化的测试平台。

其次，我们提出了**RiskTraf**，一个用于**交通预测的风险外推插件**。RiskTraf并非将速度和占有率用作无限制的协变量或替代现有的预测架构，而是将它们视为用于残差校正的历史辅助信号。具体而言，给定一个训练好的三变量主干网络，我们冻结其参数，并附加一个由历史速度和占有率驱动的轻量级零初始化残差头。该残差头在有序的低至高交通风险环境中学习逐预测时界的流量修正，鼓励稳健的改进，同时减少对状态特有辅助关联的依赖。RiskTraf在验证MAE未改善时执行回滚。

本工作的主要贡献总结如下：

- • 我们发布了**PEMSB-3V**，一个区域对齐的基准套件，可用于使用历史流量、速度和占有率测量值进行流量预测的标准化评估。
- • 我们将状态依赖的辅助关联建模为多元交通预测中的关键障碍，并提出了**RiskTraf**，一个基于REx的残差插件，在不替换现有主干网络架构的情况下提升其性能。
- • 我们在多个PEMSB-3V数据集和多种时空主干网络上进行了大量实验，表明RiskTraf在强基线、去偏方法和分布偏移适应方法上均取得了持续的改进。

本文其余部分的组织如下。第2节介绍PEMSB-3V基准。第3节阐述RiskTraf框架。第4节报告实验结果与分析。第5节讨论相关工作，第6节总结全文。

## 2. PEMSB-3V基准

我们构建了**PEMSB-3V**基准套件，包含四个区域级数据集：**PEMS03-B**、**PEMS04-B**、**PEMS07-B**和**PEMS08-B**。该套件基于加利福尼亚州交通部性能测量系统（PeMS）[^1]及其官方来源页面[^2]构建。PeMS被加州交通局（Caltrans）描述为一个拥有近40,000个检测器的全州高速公路监控系统。与现有用代理变量或时间码替换缺失变量的数据集不同，PEMSB-3V仅保留那些原始PeMS记录包含全部三项原始测量值（**流量**、**速度**和**占有率**）的检测器。整个构建流程总结于算法1[^alg1]。

**算法1 PEMSB-3V基准构建流程**
**输入：** 区域ID，时间范围 $[t_{\text{start}}, t_{\text{end}}]$，完整性阈值 $\rho$
**输出：** 多元交通基准 $\mathcal{D}$ 和邻接矩阵 $\mathbf{A}$
1. 从PeMS查询检测器元数据
2. 仅保留具有原始流量、速度和占有率通道的检测器
3. 过滤时间完整性低于 $\rho$ 的检测器
4. **对于** $[t_{\text{start}}, t_{\text{end}}]$ 中的每一天 **执行**：
5.    下载5分钟粒度的流量、速度和占有率记录
6.    移除格式错误的时间戳，仅对短时间间隔进行插值
7. **结束**
8. 将清洗后的记录聚合为 $\mathbf{X} \in \mathbb{R}^{T \times N \times 3}$
9. 构建道路拓扑结构并计算成对距离
10. 使用距离核和稀疏化阈值构建 $\mathbf{A}$
11. 按6:2:2的比例将基准集划分为训练/验证/测试集
12. 返回 $\mathcal{D}$，$\mathbf{A}$

[图1] 高质量PEMS03-B传感器在元数据筛选后的位置图。该图显示了1,013个具有完整元数据的合并主线/HOV检测器。

为确保基准构建基于具有物理可解释三变量测量值的传感器，在构建最终传感器集之前，我们应用了基于元数据的渐进式筛选程序。筛选遵循最早失败检查规则。我们首先进行ID覆盖检查。没有对应PeMS元数据记录的目标传感器被标记为**元数据缺失**，因为其静态信息无法验证。然后进行空间定位检查。如果纬度或经度缺失、无效或超出合法地理范围，检测器被标记为**地理位置缺失**并从基于地图的拓扑构建中排除。接下来，我们使用检测器长度和车道数检查静态结构完整性。记录为空、非数值或非正值的被标记为**静态属性无效**，因为流量、速度和占有率依赖于检测器路段和车道定义。最后，我们检查道路类型一致性。类型 $\in \{\mathrm{ML}, \mathrm{HV}\}$ 的检测器被保留为高速公路主线或HOV传感器，而类型 $\in \{\mathrm{OR}, \mathrm{FR}, \mathrm{FF}\}$ 的检测器被视为匝道或连接线传感器并从主线子集中排除。

图1展示了经过元数据筛选后PEMS03-B的传感器分布。在1,708个目标传感器ID中，41个因元数据缺失被移除，2个因地理位置无效或缺失被移除。在剩余的1,665个已定位记录中，1,039个通过所有元数据检查，成为完整的主线/HOV传感器，626个被识别为匝道或连接线传感器。在合并具有相同位置、道路方向和检测器类型的重复记录后，最终地图包含1,013个高质量点，包括762个主线点和251个HOV点。此过程使每个被丢弃的传感器都可追溯到一个可解释的失败类别，而不是通过不透明的过滤器移除传感器。

子集设计遵循PeMS的行政组织结构，而非任意划分。具体而言，PEMS03-B、PEMS04-B、PEMS07-B和PEMS08-B分别对应Caltrans的03、04、07和08区[^3]。这在保持与广泛使用的PeMS基准可比性的同时保留了地理来源。

**表1. 典型交通基准中原始流量、速度和占有率测量值的可用性与可用性**