IJCAI 2024

2024 IJCAI（International Joint Conference on Artificial Intelligence, 国际人工智能联合会议）2024年8月3日至9日。韩国济州岛。举行。

本文总结了IJCAI2024相关性。时空数据(Spatial-temporal)。相关论文，如有疏漏，欢迎补充。

Topic时空数据。：时空（交通）预测，气象预测󿀌轨迹表示学习󿀌轨迹恢复󿀌信控优化󿀌POI等。

🌟[紧跟前沿]“时空探索之旅”与您一起探索时空奥秘！🚀
欢迎关注时空探索之旅时空探索之旅。

1. Spatial-Temporal-Decoupled Masked Pre-training for Spatiotemporal Forecasting。

链接。：https://arxiv.org/abs/2312.00516。

代码。：https://github.com/Jimmy-7664/STD-MAE。

作者。：Haotian Gao, Renhe Jiang, Zheng Dong, Jinliang Deng, Yuxin Ma, Xuan Song。

机构。：东京大学�南方科技大学󿀌悉尼大学。

关键词。：时间和空间预测༌自监督预训练，时空解耦༌掩码自编码器，异质性。

2. Multi-Modality Spatio-Temporal Forecasting via Self-Supervised Learning。

链接。：https://arxiv.org/abs/2405.03255。

代码。：https://github.com/beginner-sketch/MoSSL。

作者。：Jiewen Deng, Renhe Jiang, Jiaqi Zhang, Xuan Song。

机构。：南方科技大学󿀌东京大学�吉林大学。

关键词。：多模态，空间格栅预测󿀌自监督。

3. SaSDim:Self-Adaptive Noise Scaling Diffusion Model for Spatial Time Series Imputation。

链接。：https://arxiv.org/abs/2309.01988。

作者。：Shunyang Zhang, Senzhang Wang, Xianzhen Tan, Renzhi Wang, Ruochen Liu, Jian Zhang, Jianxin Wang。

机构。：中南大学。

关键词。：时空插补，扩散模型。

4. WeatherGNN: Exploiting Complicated Relationships in Numerical Weather Prediction Bias Correction。

链接。：https://arxiv.org/abs/2310.05517。

作者。：Binqing Wu, Weiqi Chen, Wenwei Wang, Bingqing Peng, Liang Sun, Ling Chen。

机构。：阿里巴巴达摩院󿀌浙江大学。

关键词。：气象预测󿀌空间依赖性󿀌NWP。

5. X-Light: Cross-City Traffic Signal Control Using Transformer on Transformer as Meta Multi-Agent Reinforcement Learner。

链接。：https://arxiv.org/abs/2404.12090。

代码。：https://github.com/AnonymousID-submission/X-Light。

作者。：Haoyuan Jiang, Ziyue Li, Hua Wei, Xuantang Xiong, Jingqing Ruan, Jiaming Lu, Hangyu Mao, Rui Zhao。

机构。：百度，科隆大学󿀌亚利桑那州立大学，中国科学院自动化研究所，复旦大学󿀌商汤，启元研究院。

关键词。：信控优化󿀌跨城市可移性󿼌加强学习。

6. Full Bayesian Significance Testing for Neural Networks in Traffic Forecasting。

作者。：Zehua Liu, Jingyuan Wang, Zimeng Li, Yue He。

机构。：北京航空航天大学󿀌清华大学。

关键词。：交通预测，贝叶斯网络󿀌显性检测，量化不确定性。

7. Towards Robust Trajectory Representations: Isolating Environmental Confounders with Causal Learning。

链接。：https://arxiv.org/abs/2404.14073。

作者。：Kang Luo, Yuanshao Zhu, Wei Chen, Kun Wang, Zhengyang Zhou, Sijie Ruan, Yuxuan Liang。

机构。：香港科技大学（广州），中国科技大学，北京理工大学。

关键词。：轨迹表示学习󿀌稳定性，因果学习。

8. Make Graph Neural Networks Great Again: A Generic Integration Paradigm of Topology-Free Patterns for Traffic Speed Prediction。

链接。：https://arxiv.org/abs/2406.16992。

代码。：https://github.com/ibizatomorrow/DCST。

作者。：Yicheng Zhou, Pengfei Wang, Hao Dong, Denghui Zhang, Dingqi Yang, Yanjie Fu, Pengyang Wang。

关键词。：交通速度预测󿀌GNN,知识蒸馏。

机构。：澳门大学󿀌中国科学院�斯蒂文斯理工学院，亚利桑那州立大学。

9. Reframing Spatial Reasoning Evaluation in Language Models: A Real-World Simulation Benchmark for Qualitative Reasoning。

链接。：https://arxiv.org/abs/2405.15064。

代码。：https://github.com/Fangjun-Li/RoomSpace。

作者。：Fangjun Li, David Hogg, Anthony Cohn。

机构。：利兹大学。

关键词。：空间推理󿀌语言模型。

10. Personalized Federated Learning for Cross-city Traffic Prediction。

作者。：Yu Zhang, Hua Lu, Ning Liu, Yonghui Xu, Qingzhong Li, Lizhen Cui。

关键词。：交通预测�联邦学习�跨城市。

11. Make Bricks with a Little Straw: Large-Scale Spatio-Temporal Graph Learning with Restricted GPU-Memory Capacity。

作者。：Binwu Wang, Pengkun Wang, Zhengyang Zhou, Zhe Zhao, Wei Xu, Yang Wang。

机构。：中国科技大学。

关键词。：交通预测�大规模时空图󿀌子图。

12. A Graph-based Representation Framework for Trajectory Recovery via Spatiotemporal Interval-Informed Seq2Seq。

作者。：Yaya Zhao, Kaiqi Zhao, Zhiqian Chen, Yuanyuan Zhang, Yalei Du, Xiaoling Lu。

关键词。：轨迹恢复󿀌图表示框架。

13. Learning Hierarchy-Enhanced POI Category Representations Using Disentangled Mobility Sequences。

作者。：Hongwei Jia, Meng Chen, Weiming Huang, Kai Zhao, Yongshun Gong。

关键词。：POI分类，表示学习。

14. Exploring Urban Semantics: A Multimodal Model for POI Semantic Annotation with Street View Images and Place Names。

作者。：Dabin Zhang, Meng Chen, Weiming Huang, Yongshun Gong, Kai Zhao。

关键词。：POI分类，多模态。

15. Counterfactual User Sequence Synthesis Augmented with Continuous Time Dynamic Preference Modeling for Sequential POI Recommendation。

作者。：Lianyong Qi, Yuwen Liu, Weiming Liu, Shichao Pei, Xiaolong Xu, Xuyun Zhang, Yingjie Wang, Wanchun Dou。

关键词。：POI推荐󿀌反事实。

16. KDDC: Knowledge-Driven Disentangled Causal Metric Learning for Pre-Travel Out-of-Town Recommendation。

作者。：Yinghui Liu, Guojiang Shen, Chengyong Cui, Zhenzhen Zhao, Xiao Han, Jiaxin Du, Xiangyu Zhao, Xiangjie Kong。

关键词。：POI推荐󿀌旅行推荐。

17. Enhancing Fine-Grained Urban Flow Inference via Incremental Neural Operator。

作者。：Qiang Gao, Xiaolong Song, Li Huang, Goce Trajcevski, Fan Zhou, Xueqin Chen。

17. Enhancing Fine-Grained Urban Flow Inference via Incremental Neural Operator。

作者。：Qiang Gao, Xiaolong Song, Li Huang, Goce Trajcevski, Fan Zhou, Xueqin Chen。

关键词。：细粒度城市流量推理，算子学习。

🌟[紧跟前沿]“时空探索之旅”与您一起探索时空奥秘！🚀
欢迎关注时空探索之旅时空探索之旅。