Aaron Ho

論文

旅運需求預測研究（2021）

研究動態嵌入方法在旅客流量估計中的應用。

我的角色
負責方法發想、資料處理、模型建構與實驗，與共同作者完成動態嵌入及旅運量估計研究。
共同研究原圖：BERT 動態嵌入與旅客流量預測流程。
共同研究原圖：BERT 動態嵌入與旅客流量預測流程。（點圖放大）

要解決的問題

旅客流量估計需表達隨時間變動的交通關係。

輸入、處理與產出

輸入
車站距離、歷史流量與隨時間改變的旅運情境。
處理方式
以動態預訓練表示學習不同時段的車站關係，再提供下游流量估計模型。
產出
方法比較、模型與實驗，形成IIAI AAI論文及團隊論文獎。

適用範圍

本人負責方法、資料、模型與實驗；共同作者成果不改寫成個人獨著。

相關案例

核心問題與我的做法

同一座車站，不應永遠只有同一個表示

固定的車站向量難以表達尖峰與離峰不同的旅運狀態。

我負責方法發想、資料處理、模型建構與實驗。共同研究以 BERT 預訓練結合車站距離與歷史流量，產生隨時段及流量改變的車站表示，再接到下游旅運量估計。

將方法想法落成模型與比較實驗，與共同作者形成 IIAI AAI 2021 論文，並獲 Competitive Paper Award。

在有限訓練資源下，讓多組實驗仍能比較

鄰站、距離與路線條件要分開比較，實驗多而 GPU 有限，重複前處理也會占用時間。

我負責模型與參數實驗，保存各組設定與結果，留下不同鄰站及表示條件的比較紀錄。從這一階段到後續研究，我逐步累積 Shell 並行、獨立 log／模型檔、H5 前處理快取及參數探索等工作方式；各案使用程度不同。

留下不同鄰站與表示條件的實驗軌跡，支援方法比較與結果彙整；這些工作方式也延續至後續研究，使用程度依專案而異。

成果與驗證

形成 IIAI AAI 2021 正式論文及 Competitive Paper Award。

動態嵌入