ابتكار ثوري: MoE-FedTP لتحسين التنبؤ بحركة المرور عبر المدن!

تُعتبر التنبؤات المتعلقة بحركة المرور أساساً لأنظمة النقل الذكية وحوسبة المدن، إلا أن هناك العديد من المدن التي تعاني من نقص البيانات بسبب قلة انتشار أجهزة الاستشعار وتفاوت التنمية الحضرية. وقد جذبت أساليب نقل المعرفة بين المدن اهتماماً متزايداً، حيث يمكن للمدن ذات البيانات الغنية مساعدة تلك التي تعاني من نقص البيانات.

ومع ذلك، تثير الأساليب المركزية قضايا تتعلق بالخصوصية، بينما تُظهر الطرق الفدرالية الحالية صعوبة في التعامل مع التباينات الزمانية والمكانية بين المدن. لمواجهة هذه التحديات، تم تقديم الإطار الجديد المبتكر MoE-FedTP، الذي يُعتمد على شبكة Mixture-of-Experts (MoE) الخفيفة.

يبدأ نظام MoE-FedTP باستخدام الشبكات العصبية الزمانية والمكانية لاستخراج الميزات من كل من المدن المصدر والمدن الهدف. بعد ذلك، يتم تقديم مجموعة من الشبكات الخبرية المستمدة من عدة مدن مصدر من خلال مشاركة جزئية للمعلمات. يقوم آلية توجيه ذكية بدمج الخبراء بديناميكية لالتقاط الديناميكيات المتنوعة لحركة المرور، مما يحقق نماذج دقيقة للتباينات الحضرية مع الحفاظ على الخصوصية.

أظهرت التجارب التي أُجريت على أربع مجموعات بيانات حقيقية لحركة المرور أن نظام MoE-FedTP يتفوق بشكل كبير على أساليب التعلم الفدرالي والتعلم عبر المدن الحالية، مما يدل على فعاليته في تحسين دقة التنبؤ بالنسبة للمدن التي تعاني من نقص البيانات.