GPD 人群流量和交通速度数据集

清华大学电子工程系城市科学与计算研究中心最新成果 《Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation》被 ICLR2024 接收，该研究提出 GPD (Generative Pre-Trained Diffusion) 模型，实现数据稀疏场景下的时空学习。

清华大学电子工程系城市科学与计算研究中心的最新研究成果《基于扩散神经网络生成的时空少样本学习（Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation）》已被国际学习表征会议2024（ICLR 2024）收录。该研究提出了GPD（Generative Pre-Trained Diffusion，生成式预训练扩散）模型，可实现数据稀疏场景下的时空学习任务。

搜集汇总

背景与挑战

背景概述

该数据集源自清华大学电子工程系城市科学与计算研究中心在ICLR2024发表的论文，提供开源数据及代码，用于时空少样本学习的研究。它包含人群流量和交通速度的时间序列数据，以及相应的时空图邻接矩阵，适用于数据稀疏场景下的模型训练与评估。