数据集适用的任务¶

在本节中，我们向您介绍我们提供的标准数据集和任务、模型之间的对应关系。值得注意的是，某些数据集只能支持某个任务中的某些模型。

如果你觉得这个表格看起来不够方便，请点击这里在Github上查看此表格。

任务	数据集	支持的模型	备注
交通流量预测	TAXIBJ, PORTO, NYCTAXI_GRID, NYCBIKE, AUSTINRIDE, BIKEDC, BIKECHI, NYCBike20140409, NYCBike20160708, NYCBike20160809, NYCTaxi20140112, NYCTaxi20150103, NYCTaxi20160102, T_DRIVE20150206, T_DRIVE_SMALL	ACFM, STResNet, DSAN, ACFMCommon, STResNetCommon	基于网格的数据
	PEMSD3, PeMSD4, PeMSD7, PeMSD8, BEIJING_SUBWAY, M_DENSE, SHMETRO, HZMETRO, NYCTAXI_DYNA	RNN, Seq2Seq, FNN, AutoEncoder, AGCRN, ASTGCNCommon, MSTGCNCommon, STSGCN, CONVGCNCommon, ToGCN, MultiSTGCnetCommon, STNN, ASTGCN, MSTGCN, CONVGCN, DGCN, ResLSTM, MultiSTGCnet	基于传感器点的数据
	TAXIBJ, PORTO, NYCTAXI_GRID, NYCBIKE, AUSTINRIDE, BIKEDC, BIKECHI, NYCBike20140409, NYCBike20160708, NYCBike20160809, NYCTaxi20140112, NYCTaxi20150103, NYCTaxi20160102, T_DRIVE20150206, T_DRIVE_SMALL	RNN, Seq2Seq, FNN, AutoEncoder, AGCRN, ASTGCNCommon, MSTGCNCommon, STSGCN, CONVGCNCommon, ToGCN, MultiSTGCnetCommon, STNN, ASTGCN, MSTGCN, CONVGCN, DGCN, ResLSTM, MultiSTGCnet	需要简单的修改以用于网格数据，见 Note 3.
	M_DENSE	CRANN	需要`.ext` 文件
	NYCBike20160708, NYCTaxi20150103	STDN	需要`.gridod` 文件
交通速度预测	METR_LA, LOS_LOOP, PeMSD4, PeMSD8, PEMSD7(M), PEMS_BAY, LOS_LOOP_SMALL, SZ_TAXI, LOOP_SEATTLE, Q_TRAFFIC, ROTTERDAM	RNN, Seq2Seq, FNN, AutoEncoder, DCRNN, STGCN, GWNET, MTGNN, STMGAT, TGCN, ATDM, HGCN, DKFN, STTN, GTS, GMAN, STAGGCN, TGCLSTM	基于传感器点的数据
	LOOP_SEATTLE	TGCLSTM	见Note 2.
交通需求预测	TAXIBJ, PORTO, NYCTAXI_GRID, NYCBIKE, AUSTINRIDE, BIKEDC, BIKECHI, NYCBike20140409, NYCBike20160708, NYCBike20160809, NYCTaxi20140112, NYCTaxi20150103, NYCTaxi20160102, T_DRIVE20150206, T_DRIVE_SMALL	DMVSTNet	基于网格的数据
	PEMSD3, PeMSD4, PeMSD7, PeMSD8, BEIJING_SUBWAY, M_DENSE, SHMETRO, HZMETRO, NYCTAXI_DYNA	RNN, Seq2Seq, FNN, AutoEncoder, CCRNN, STG2Seq	基于传感器点的数据
	TAXIBJ, PORTO, NYCTAXI_GRID, NYCBIKE, AUSTINRIDE, BIKEDC, BIKECHI, NYCBike20140409, NYCBike20160708, NYCBike20160809, NYCTaxi20140112, NYCTaxi20150103, NYCTaxi20160102, T_DRIVE20150206, T_DRIVE_SMALL	CCRNN, STG2Seq	需要简单的修改以用于网格数据，见 Note 3.
OD矩阵预测	NYCTAXI_OD	GEML	基于点的OD的数据
	NYC_TOD	GEML	需要简单的修改以用于网格OD数据，见 Note 4.
	NYC_TOD	CSTN	基于网格的OD的数据和`.ext` 文件
交通事故预测	NYC_RISK, CHICAGO_RISK	GSNet	基于网格的交通事故数据
轨迹下一跳预测	Gowalla, BrightKite	FPMC, RNN, ST-RNN, ATST-LSTM, DeepMove, HST-LSTM, LSTPM, STAN	轨迹数据
	Fousquare, Instagram	FPMC, RNN, ST-RNN, ATST-LSTM, DeepMove, HST-LSTM, LSTPM, GeoSAN, STAN, SERM, CARA	轨迹数据
到达时间估计	Chengdu_Taxi_Sample1	DeepTTE	轨迹数据
	Beijing_Taxi_Sample	DeepTTE, TTPNet	轨迹数据
路网匹配	Seattle, global	STMatching, IVMM, HMMM	轨迹数据
路网表征学习	bj_roadmap_edge	ChebConv, LINE	路网数据

Note 1

加粗的数据集是我们推荐的数据集。

Note 2

对于TGCLSTM，需要将dataset_class设置为TrafficStatePointDataset。否则，默认的dataset_class=TGCLSTMDataset 只适用于数据集LOOP_SEATTLE。

Note 3

以下是如何将用于基于点的数据的模型推广到基于网格的数据。

（1）如果模型使用的数据集类是TrafficStatePointDataset，如AGCRN、ASTGCNCommon、CCRNN等，可以直接在task_file.json中将dataset_class设为TrafficStateGridDataset或通过自定义配置文件（--config_file）设置。然后将 TrafficStateGridDataset 的参数 use_row_column 设置为 False。

（2）如果模型使用的数据集类是TrafficStatePointDataset的子类，如ASTGCNDataset、CONVGCNDataset、STG2SeqDataset等，可以修改数据集类的文件，使其继承TrafficStateGridDataset 取代当前的TrafficStatePointDataset。然后将函数__init__()中的参数use_row_column设置为False。

样例（1）：

修改前：

# task_config.json
"RNN": {
    "dataset_class": "TrafficStatePointDataset",
},
# TrafficStateGridDataset.json
{
  "use_row_column": true
}

修改后：

# task_config.json
"RNN": {
    "dataset_class": "TrafficStateGridDataset",
},
# TrafficStateGridDataset.json
{
  "use_row_column": false
}

样例（2）：

修改前：

# task_config.json
"STG2Seq": {
    "dataset_class": "STG2SeqDataset",
},
# STG2SeqDataset.json
{
  "use_row_column": false
}
# stg2seq_dataset.py
from libcity.data.dataset import TrafficStatePointDataset
class STG2SeqDataset(TrafficStatePointDataset):
    def __init__(self, config):
        super().__init__(config)
        pass

修改后：

# task_config.json
"STG2Seq": {
    "dataset_class": "STG2SeqDataset",
},
# STG2SeqDataset.json
{
  "use_row_column": false
}
# stg2seq_dataset.py
from libcity.data.dataset import TrafficStateGridDataset
class STG2SeqDataset(TrafficStateGridDataset):
    def __init__(self, config):
        super().__init__(config)
        self.use_row_column = False
        pass

Note 4

以下是如何将用于基于点的OD的数据的模型推广到基于网格的OD的数据。（跟Note 3是类似的）

（1）如果模型使用的数据集类是TrafficStateOdDataset，如GEML等，可以直接在task_file.json中将dataset_class设为TrafficStateGridOdDataset或通过自定义配置文件（--config_file）设置。然后将 TrafficStateGridOdDataset 的参数 use_row_column 设置为 False。

（2）如果模型使用的数据集类是TrafficStateOdDataset的子类，可以修改数据集类的文件，使其继承TrafficStateGridOdDataset 取代当前的TrafficStateOdDataset。然后将函数__init__()中的参数use_row_column设置为False。