Краткое содержание

arXiv:2511.13414v1 Тип объявления: новый Аннотация: Восстановление пропусков в транспортных временных рядах имеет решающее значение для безопасности и надежности интеллектуальных транспортных систем, в то время как различные типы пропущенных данных, включая случайные, частотные и блочные пропуски, усложняют задачу восстановления. Существующие модели часто сосредоточены на разделении и раздельном моделировании пространственных и временных паттернов на основе взаимосвязей между точками данных. Однако эти подходы плохо адаптируются к случайному расположению пропусков и не способны обучаться долгосрочным и крупномасштабным зависимостям, что крайне важно в условиях обширных пропусков. В данной статье паттерны классифицируются на два типа для обработки различных условий пропущенных данных: первичные паттерны, которые происходят из внутренних взаимосвязей между точками данных, и вспомогательные паттерны, находящиеся под влиянием внешних факторов, таких как временные метки и атрибуты узлов. Соответственно, мы предлагаем Сеть Пространственно-Временных Первично-Вспомогательных паттернов (PAST). Она включает в себя модуль с интегрированным графом