PredBench: Benchmarking Spatio-Temporal Prediction across Diverse Disciplines

本文介绍了PredBench，这是一个专门为评估时空预测网络的整体表现而设计的基准测试。尽管在这个领域取得了显著进展，但仍缺乏一个标准化的框架，用于详细比较各种预测网络架构。PredBench通过进行大规模实验、维护标准化和适当的实验设置以及实施多维度评估来填补这一空白。该基准测试将12种广泛采用的方法与15个不同的数据集集成在多个应用领域，为当代时空预测网络提供广泛的评估。通过在各种应用中精细校准预测设置，PredBench确保评估与其预期用途相关，并实现公平比较。此外，其多维度评估框架通过全面的指标提供了深入了解模型能力的洞察。我们的研究结果为未来的发展提供了战略方向。我们的代码库可在https://github.com/WZDTHU/PredBench上获得。

PredBench：评估时空预测网络的综合基准测试

PredBench提供了一个标准化的框架，用于评估不同预测网络架构的性能，包括12种广泛采用的方法和15个不同的数据集，以多维度评估为基础，确保了公正的比较和深入的模型分析。

实验设计严谨，使用了多种数据集，代码开源，提供了深入的模型分析，为未来研究提供了战略方向。

最近的相关研究包括：1. "Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction." 2. "Spatiotemporal Multi-Graph Convolution Network for Ride-hailing Demand Forecasting."