RIPCN：基于道路阻抗的概率交通流预测

本文解决了智能交通系统中概率交通流预测（PTFF）的关键需求。它解决了理解和建模交通流不确定性的挑战，这对于导航和叫车等应用至关重要。所提出的 RIPCN 模型利用特定领域的知识（道路阻抗）和时空主成分分析来改进点预测和不确定性估计。注重可解释性和使用真实世界数据集是其优点。

• •提出了 RIPCN，一种用于概率交通流预测的新模型。
• •集成了道路阻抗和时空主成分分析。
• •旨在改进点预测和不确定性估计。
• •侧重于可解释性和捕捉不确定性相关性。
• •在真实世界数据集上优于现有的概率预测方法。