2025年METR-LA数据集介绍

科技前沿 • 2025-03-13 12:16 • 阅读 54

大家好，我是讯享网，很高兴认识大家。

METR-LA（Metro Traffic Los Angeles）数据集是一个用于交通流量预测的常用数据集，主要用于研究和评估交通预测算法的性能。该数据集包含了洛杉矶地区的交通传感器数据，可以用于建立和验证交通流量预测模型。

数据格式：

METR-LA数据集的格式通常是时间序列数据，其中包含了交通传感器在不同时间点上的流量信息。常见的数据格式可能包括以下几列：

timestamp： 时间戳，表示观测的时间点。
flow（或类似指标）： 表示在该时间点上的交通流量，通常是车辆通过传感器的数量。
其他特征： 可能包括其他相关的特征，如速度、密度等，以更全面地描述交通状况。

例子：

下面是一个简化的METR-LA数据集的示例，假设有三个传感器，每隔15分钟记录一次交通流量：

timestamp, sensor_1_flow, sensor_2_flow, sensor_3_flow 2022-01-01 00:00:00, 150, 200, 180 2022-01-01 00:15:00, 160, 210, 190 2022-01-01 00:30:00, 155, 205, 185 ...

讯享网

在这个例子中，每一行代表一个时间点的交通流量观测，其中 timestamp 是时间戳，而 sensor_1_flow、sensor_2_flow 和 sensor_3_flow 分别表示三个传感器在该时间点上的交通流量。这种格式可用于训练和评估交通流量预测模型。实际METR-LA数据集可能包含更多的信息和特征。

讯享网

以我所用的metr-la为例：

讯享网data = np.load("D\data\\val.npz") array_names = data.files print("Arrays in the file:", array_names) for array_name in array_names: print(f"array:{array_name}") print(data[array_name])

输出结果：

Arrays in the file: ['x', 'y', 'x_offsets', 'y_offsets'] array:x [[[[62. 0.] [66. 0.] [68. 0.] ... [62. 0.] [65. 0.] [64. 0.]] [[62. 0.] [61. 0.] [68. 0.] ... [62. 0.] [66. 0.] [66. 0.]] ... array:y [[[[67.875 0.] [65.75 0.] [62.875 0.] ... [40.375 0.] [66.5 0.] [54.625 0.]] [[67. 0.] [65. 0.] [61. 0.] ... [40. 0.] [58. 0.] [49. 0.]] ... array:x_offsets [[-11] [-10] [ -9] [ -8] [ -7] [ -6] [ -5] [ -4] [ -3] [ -2] [ -1] [ 0]] array:y_offsets [[ 1] [ 2] [ 3] [ 4] [ 5] [ 6] [ 7] [ 8] [ 9] [10] [11] [12]]

x' 和 'y' 数组： 这可能是输入（'x'）和输出（'y'）的时间序列数据。
'x_offsets' 和 'y_offsets' 数组： 这些数组可能包含有关输入和输出时间序列的偏移信息.

输出维度则为：

讯享网array:x (3425, 12, 207, 2) array:y (3425, 12, 207, 2) array:x_offsets (12, 1) array:y_offsets (12, 1)

时间步长： 3425 表示数据集中有 3425 个时间步长的数据点。
时间序列长度： 12 表示每个时间点上有 12 个时间序列。
特征维度： 207 表示有 207 个传感器。
两个数值： 2 表示传感器采集的信息。这两个数值可能代表交通流量的两个方面，如车辆速度和流量。

2025年METR-LA数据集介绍

相关推荐