XXLTraffic에서 EvoXXLTraffic로: 센서 변화에 따른 네트워크의 트래픽 예측 확장

From XXLTraffic to EvoXXLTraffic: Scaling Traffic Forecasting to Sensor-Evolving Networks

기존의 트래픽 예측 벤치마크는 고정된 센서 세트를 가정하지만, 실제 도로-센서 네트워크는 매년 도로 네트워크의 변화와 함께 지속적으로 성장합니다. 본 연구에서는 최대 27년간의 캘리포니아 PeMS 및 Transport for NSW 데이터를 포함하는 XXLTraffic 데이터셋 패밀리를 소개합니다. XXLTraffic의 고정된 센서 부분은 멀티년 간격이 있는 극단적인 장기 예측과 표준 시간별/일간 장기 예측을 지원합니다. 이를 확장하여 EvoXXLTraffic을 제안하는데, 이는 매년 활성 센서, 연간 트래픽 흐름 행렬 및 9개의 PeMS 지역에 대한 연간 그래프 스냅샷을 보여주는 센서 변화를 포함하는 데이터셋입니다. 여기서 성장률은 +305%에서 +10,000% 이상까지 다양합니다. EvoXXLTraffic에서 매년의 데이터를 지속적인 작업으로 정의하는 연간 스트리밍 예측 프로토콜을 정의하고, 정적 시공간 그래프 신경망(GNN), 단순한 온라인 방식, 변화하는 그래프 기반의 지속 학습 방법 및 검색/테스트 시간 방법을 포함한 다양한 대표적인 기준 모델들을 사용하여 성능을 평가했습니다. 분석 결과, 저희가 제시하는 초거대한 진화형 데이터셋이 실제 환경을 더 잘 반영하며, 많은 최첨단(SOTA) 모델들이 더 이상 효과적이지 않음을 확인했습니다. 본 데이터셋은 기존 벤치마크를 보완하여 매우 긴 기간 동안 변화하는 도로 네트워크에 대한 보다 현실적인 예측을 가능하게 합니다.

Existing traffic forecasting benchmarks assume a fixed sensor set, but real road-sensor networks grow continuously as the road network changes year by year. We introduce the XXLTraffic dataset family, which spans up to 27 years of California PeMS and Transport for NSW data. The fixed-sensor subsets of XXLTraffic support extremely long forecasting with multi-year gaps and standard hourly / daily long-horizon forecasting. We extend it to EvoXXLTraffic, a sensor-evolving reorganization that exposes per-year active sensors, yearly traffic-flow matrices, and yearly graph snapshots across nine PeMS districts, with growth ratios ranging from +305% to over +10,000%. We define a yearly streaming forecasting protocol on EvoXXLTraffic in which each calendar year is a continual task, and benchmark a wide range of representative baselines drawn from static spatio-temporal GNNs, naïve online schemes, evolving-graph continual methods, and retrieval / test-time methods. We find that our ultra-large evolutionary dataset better reflects the real world, and many state-of-the-art (SOTA) results no longer work. Our dataset complements existing benchmarks by enabling more realistic forecasting under ultra-long evolutionary road networks.