📊 statistics

Vessel Traffic Flow Prediction on Sparse Data via Spatio-Temporal Graph Neural Networks with a Learnable Tweedie Head

यह शोध पत्र एक मॉडल-अज्ञेय (model-agnostic), सीखने योग्य ट्वीडी हेड (Tweedie head) प्रस्तावित करता है जो समुद्री यातायात प्रवाह पूर्वानुमान के लिए गैर-शून्य घटनाओं की सटीक भविष्यवाणी करने हेतु स्पैटियो-टेम्पोरल ग्राफ न्यूरल नेटवर्क को बेहतर बनाने के लिए क्लोज्ड-फॉर्म यूनिट डेविएंस (closed-form unit deviance) को अनुकूलित करता है, जिससे डेटा की विरलता और रुक-रुक कर होने वाले उछालों को प्रभावी ढंग से संबोधित किया जा सके।

मूल लेखक: Kyeongjun Lee, Heeyoung Kim

प्रकाशित 2026-06-09

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Kyeongjun Lee, Heeyoung Kim

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि लॉस एंजिल्स और लॉन्ग बीच जैसा एक व्यस्त बंदरगाह जहाजों का एक विशाल, जीवित शहर है। कभी-कभी "सड़कें" (जलमार्ग) जहाजों के आने-जाने से भरी होती हैं। अन्य समय में, वे डरावनी तरह से खाली होती हैं। यह शोध पत्र ठीक से भविष्यवाणी करने के कठिन कार्य को संबोधित करता है कि कब और कितने जहाज आएंगे, खासकर जब डेटा "भूतों" (खाली घंटों) और अचानक आने वाले "उभारों" (एक साथ कई जहाजों के आगमन) से भरा हो।

यहाँ उनके काम का विवरण, सरल उपमाओं का उपयोग करते हुए दिया गया है:

समस्या: "बोर प्रेडिक्टर" (ऊब जाने वाला भविष्यवक्ता)

एक मानक AI मॉडल के बारे में सोचें जो जहाज के यातायात की भविष्यवाणी करने की कोशिश कर रहा है, जैसे कि कोई मौसम विज्ञानी जो गलत होने से बहुत डरता हो। क्योंकि डेटा अक्सर खाली (शून्य जहाज) होता है, इसलिए यह "ब बोर प्रेडिक्टर" आलसी हो जाता है। वह यह निर्णय लेता है कि सबसे सुरक्षित दांव यह कहना है कि, "कोई जहाज नहीं आ रहा है," लगभग हर घंटे के लिए।

परिणाम: यह कागजों पर अच्छा दिखता है क्योंकि यह अधिकांश समय सही होता है (चूंकि अक्सर कोई जहाज नहीं होते)। लेकिन जब वास्तव में कोई उछाल आता है—जैसे कि एक घंटे में 50 जहाज आ जाते हैं—तो यह पूरी तरह से चूक जाता है, और शून्य की भविष्यवाणी करता है।
पुराना समाधान: शोधकर्ताओं ने एक "दो-भाग" वाली प्रणाली (जिसे ZINB कहा जाता है) का उपयोग करने की कोशिश की। एक क्लब के बाउंसर की कल्पना करें जो पहले पूछता है, "क्या कोई आ रहा है?" (हाँ/नहीं) और फिर, यदि हाँ, तो "कितने?" (संख्या)। यह शोध पत्र तर्क देता है कि यह बाउंसर बहुत धीमा और कठोर है। यदि अचानक भीड़ के दौरान "हाँ" वाला गेट पर्याप्त तेजी से नहीं खुलता है, तो सिस्टम अभी भी कम संख्या की भविष्यवाणी करता है, और भीड़ के वास्तविक आकार को पकड़ने में विफल रहता है।

समाधान: "स्मार्ट, फ्लेक्सिबल हेड" (समझदार, लचीला शीर्ष)

लेखकों ने एक नया टूल बनाया जिसे "लर्नेबल ट्वीडी हेड" (Learnable Tweedie Head) कहा जाता है। इसे एक विशेष, प्लग-एंड-प्ले टोपी की तरह समझें जिसे आप किसी भी मौजूदा AI मॉडल (शरीर) पर लगा सकते हैं ताकि उसे यातायात के बारे में अधिक स्मार्ट बनाया जा सके।

एक साधारण "हाँ/नहीं" प्रश्न पूछने के बजाय, यह नया "हेड" समझता है कि जहाज का यातायात बारिश की तरह है:

कभी-कभी बिल्कुल बारिश नहीं होती (शून्य जहाज)।
कभी-कभी हल्की बूंदाबांदी होती है (कुछ जहाज)।
कभी-कभी अचानक भारी तूफान में बारिश होती है (यातायात का एक बड़ा उछाल)।

यह "टोपी" एक गणितीय नियम (ट्वीडी वितरण) का उपयोग करती है जो स्वाभाविक रूप से "कुछ नहीं" और "सब कुछ" के इस मिश्रण को बिना दो अलग चरणों की आवश्यकता के संभाल लेती है। यह कहना सीखती है कि, "ठीक है, आमतौर पर सूखा रहता है, लेकिन जब बारिश होती है, तो यह बहुत भारी हो सकती है," और अपनी भविष्यवाणी को तदनुसार समायोजित करती है।

उन्होंने इसका परीक्षण कैसे किया

उन्होंने वास्तविक जहाज ट्रैकिंग डेटा (AIS) का उपयोग करके लॉस एंजिल्स/लॉन्ग बीच बंदरगाह का एक डिजिटल मानचित्र बनाया। उन्होंने बंदरगाह के विभिन्न हिस्सों (टर्मिनल्स और एंकरेज) को एक ग्राफ के 'नोड्स' के रूप में माना, जो उन रास्तों से जुड़े हैं जिनसे जहाज गुजरते हैं।

उन्होंने अपने नए "हेड" का परीक्षण तीन अलग-अलग प्रकार के AI शरीरों (STGCN, DCRNN, और Graph WaveNet) पर किया।

परीक्षण: उन्होंने मॉडलों को पिछले 24 घंटों के आधार पर अगले 6 घंटों के यातायात की भविष्यवाणी करने के लिए कहा।
मेट्रिक: उन्होंने केवल औसत त्रुटि को नहीं देखा। उन्होंने विशेष रूप से इस बात पर ध्यान दिया कि मॉडल व्यस्त घंटों (गैर-शून्य उछाल) की कितनी अच्छी तरह भविष्यवाणी करते हैं, क्योंकि उसी समय बंदरगाह प्रबंधकों को वास्तव में मदद की आवश्यकता होती है।

परिणाम

"बोर" मॉडल: बहुत कम संख्या की भविष्यवाणी करते हैं, बड़े उछालों को पूरी तरह से मिस कर देते हैं।
"दो-भाग" वाले मॉडल: यह देखने में बेहतर हुए कि जहाज आ रहे हैं, लेकिन फिर भी भीड़ के दौरान कितने जहाज आ रहे हैं, इसका कम अनुमान लगाते रहे।
"ट्वीडी हेड" वाले मॉडल: उछाल को पकड़ने में सबसे अच्छे थे। उन्होंने केवल यह नहीं कहा कि "जहाज आ रहे हैं"; उन्होंने भीड़ की तीव्रता की भी बहुत सटीक भविष्यवाणी की।

मुख्य निष्कर्ष

यह शोध पत्र दावा करता है कि इन AI मॉडलों के मानक "अंतिम चरण" को अपने नए ट्वीडी हेड के साथ बदलकर, हम मॉडलों को "रूढ़िवादी" (शून्य भविष्यवाणियों के साथ सुरक्षित खेलना) होने से रोक सकते हैं। इससे वास्तविक उछाल के दौरान अधिक सटीक पूर्वानुमान मिलता है, जो बंदरगाहों को सुचारू रूप से और सुरक्षित रूप से चलाने के लिए महत्वपूर्ण है।

उन्होंने क्या दावा नहीं किया:

उन्होंने यह दावा नहीं किया कि यह हर समस्या को हल करता है (मॉडल अभी भी सबसे जंगली, सबसे चरम उछालों के साथ संघर्ष करता है)।
उन्होंने यह दावा नहीं किया कि यह अन्य प्रकार के यातायात (जैसे कार या विमान) के लिए काम करता है, अभी केवल इस विशिष्ट बंदरगाह क्षेत्र में जहाजों के लिए।
उन्होंने यह दावा नहीं किया कि इस विशिष्ट मॉडल संस्करण में मौसम या शेड्यूल जैसे बाहरी कारकों को शामिल किया गया है।

तकनीकी सारांश: स्पार्स डेटा पर लर्नबल ट्विडी हेड के साथ स्पैटियो-टेम्पोरल ग्राफ न्यूरल नेटवर्क के माध्यम से जहाज यातायात प्रवाह भविष्यवाणी

1. समस्या विवरण

स्मार्ट पोर्ट संचालन और नेविगेशनल सुरक्षा के लिए सटीक जहाज यातायात प्रवाह भविष्यवाणी आवश्यक है। हालाँकि, समुद्री यातायात डेटा शहरी सड़क नेटवर्क की तुलना में अद्वितीय चुनौतियाँ प्रस्तुत करता है। सघन शहरी यातायात के विपरीत, समुद्री गतिविधियों में अंतर्नि臓 यादृच्छिकता (randomness), विषमता (heterogeneity) और गंभीर जीरो इन्फ्लेशन (गतिविधि के लंबे अंतराल के बाद रुक-रुक कर होने वाले उछाल) प्रदर्शित होते हैं।

यह शोध पत्र पहचानता है कि पारंपरिक स्पैटियो-टेम्पोरल ग्राफ न्यूरल नेटवर्क (ST-GNNs), जो शहरी क्षेत्रों में सफल रहे हैं, इस समुद्री संदर्भ में काफी कमजोर पड़ जाते हैं। अत्यधिक स्पार्स (sparse) डेटा पर प्रशिक्षित होने पर, ये मॉडल रूढ़िवादी (conservative) निकट-शून्य भविष्यवाणियों की ओर प्रवृत्त होते हैं, जिससे वे महत्वपूर्ण गैर-शून्य यातायात स्पाइक्स (spikes) को पकड़ने में विफल रहते हैं। हालांकि स्पार्सिटी को संभालने के लिए ज़ीरो-इन्फ्लेटेड नेगेटिव बाइनोमियल (ZINB) मॉडल प्रस्तावित किए गए हैं, यह पत्र उनकी सीमाओं को नोट करता है: उनका दो-भागों वाला फॉर्मूलेशन (शून्य पीढ़ी और काउंट प्रक्रियाओं को अलग-अलग मॉडल करना) उप-इष्टतम परिणाम दे सकता है यदि शून्य-जनरेशन धारणाओं का उल्लंघन होता है, और वे अक्सर अचानक यातायात उछाल के लॉन्ग-टेल्ड व्यवहार को पकड़ने में संघर्ष करते हैं। इसके अलावा, अन्य डोमेन में मौजूदा ट्विडी-आधारित दृष्टिकोण अक्सर जटिलता और सन्निकटन त्रुटियों (approximation errors) को पेश करने वाले सरोगेट ट्रेनिंग ऑब्जेक्टिव (जैसे, लोअर-बाउंड एप्रोक्सिमेशन) पर निर्भर करते हैं।

2. कार्यप्रणाली (Methodology)

लेखक एक मॉडल-अग्नोस्टिक लर्नबल ट्विडी हेड प्रस्तावित करते हैं जिसे किसी भी मनमाने ST-GNN बैकबोन के साथ प्लग-एंड-प्ले आउटपुट मॉड्यूल के रूप में जोड़ा जा सकता है। कार्यप्रणाली के मुख्य घटक हैं:

ग्राफ फॉर्मूलेशन: समुद्री प्रणाली को एक निर्देशित ग्राफ $G=(V, E, A)$ के रूप में मॉडल किया गया है, जहाँ नोड्स पोर्ट और एंकरेज ज़ोन का प्रतिनिधित्व करते हैं, और किनारे (edges) जहाज ट्रांजिशन से प्राप्त नेविगेशनल कनेक्शन का प्रतिनिधित्व करते हैं।
ट्विडी मॉडलिंग: ZINB तंत्र के बजाय, मॉडल ट्विडी एक्सपोनेंशियल डिस्पर्सन फैमिली (विशेष रूप से $1 < p < 2$ के लिए कंपाउंड पॉइसन-गामा वितरण) का उपयोग करता है। यह वितरण बिना किसी स्पष्ट शून्य-गेटिंग तंत्र के स्वाभाविक रूप से शून्य परिणामों और निरंतर सकारात्मक मूल्यों को मॉडल करता है।
लर्नबल वेरिएंस पावर: एक प्रमुख नवाचार नोड-स्तरीय वेरिएंस पावर पैरामीटर $p$ का पूर्वानुमान लगाना है। यह हेड बैकबोन फीचर्स को माध्य $\mu$ और पावर $p$ की भविष्यवाणी करने के लिए विभाजित करता है। यह मॉडल को स्थानिक विषमता को अनुकूल रूप से कैप्चर करने की अनुमति देता है, जो निकट-पॉइसन ट्रैफिक ( $p \approx 1.1$ ) से लेकर ओवरडिस्पर्सड, गामा-लाइक ट्रैफिक ( $p \approx 1.9$ ) तक विस्तृत है।
ट्रेनिंग ऑब्जेक्टिव (यूनिट डेविएंस): सटीक ट्विडी लॉग-लाइक्लिहुड के लिए आवश्यक जटिल अनंत श्रृंखला (infinite series) से बचने के लिए, लेखक ट्विडी यूनिट डेविएंस को ऑप्टिमाइज़ करते हैं। यह एक क्लोज्ड-फॉर्म ऑब्जेक्टिव फंक्शन प्रदान करता है जो लोअर-बाउंड एप्रोक्सिमेशन पर निर्भर हुए बिना स्थिर बैकप्रोपैगेशन सुनिश्चित करता है। लॉस फंक्शन को इस प्रकार परिभाषित किया गया है:
$d(y, \mu, p) = 2 \left( \frac{y^{2-p}}{(1-p)(2-p)} - \frac{y \mu^{1-p}}{1-p} + \frac{\mu^{2-p}}{2-p} \right)$
(जहाँ $y=0$ होने पर पहला पद 0 सेट किया जाता है)।
अनुमान (Inference): मॉडल पॉइंट फोरकास्ट के रूप में ट्विडी मीन $\hat{y} = \mu$ आउटपुट करता है।

3. प्रयोगात्मक सेटअप

डेटासेट: सितंबर से नवंबर 2024 तक लॉस एंजिल्स और लॉन्ग बीच (LA/LB) पोर्ट से वास्तविक दुनिया का ऑटोमैटिक आइडेंटिफिकेशन सिस्टम (AIS) डेटा।
ग्राफ निर्माण: स्टेशनरी AIS सिग्नल्स के DBSCAN क्लस्टरिंग के माध्यम से 30 पॉलीगोनल नोड्स (टर्मिनल्स और एंकरेज) निकाले गए। जहाज ट्रांजिशन काउंट्स के आधार पर 198 निर्देशित किनारे (directed edges) बनाए गए।
बेसलाइन्स: प्रस्तावित हेड का परीक्षण तीन प्रतिनिधि ST-GNN बैकबोन पर किया गया: STGCN, DCRNN, और Graph WaveNet (GWNet)।
तुलना: प्रत्येक बैकबोन का तीन आउटपुट हेड्स के साथ मूल्यांकन किया गया:
1. Base: मानक रिग्रेशन (MAE लॉस)।
2. +ZINB: एक ZINB हेड।
3. +Tweedie (Ours): प्रस्तावित लर्नबल ट्विडी हेड।
मेट्रिक्स: "All" डेटा और "Non-zero" डेटा (बार-बार होने वाले ज़ीरो के प्रभाव को कम करने के लिए) दोनों के लिए मीन एब्सोल्यूट एरर (MAE) और रूट मीन स्क्वायर एरर (RMSE) रिपोर्ट किए गए।

4. मुख्य परिणाम

नॉन-जीरो इवेंट्स पर प्रदर्शन: पारंपरिक ST-GNNs (Base) ने सबसे कम समग्र MAE प्राप्त किया लेकिन नॉन-जीरो इवेंट्स पर खराब प्रदर्शन किया, जो यातायात स्पाइक्स को कम अनुमानित करने की उनकी प्रवृत्ति की पुष्टि करता है। +ZINB और +Tweedie दोनों ने नॉन-जीरो MAE में सुधार किया, जो वास्तविक यातायात गतिविधि के प्रति बेहतर संवेदनशीलता प्रदर्शित करता है।
RMSE श्रेष्ठता: प्रस्तावित +Tweedie विधि ने सभी तीन बैकबोन में लगातार सबसे कम RMSE और Non-zero RMSE प्राप्त किया। चूंकि RMSE बड़े एरर को अधिक दंडित करता है, यह इंगित करता है कि बेस और ZINB मॉडलों की तुलना में ट्विडी हेड अचानक यातायात उछाल की तीव्रता को कैप्चर करने में बेहतर है।
गुणात्मक विश्लेषण: 1-स्टेप-अहेड फोरकास्ट के विज़ुअलाइज़ेशन ने दिखाया कि जहाँ बेस मॉडल ने फ्लैटलाइनिंग, रूढ़िवादी भविष्यवाणियाँ दीं, और ZINB मॉडल ने (शून्य-इन्फ्लेशन गेट $\pi$ के डिस्काउंटिंग प्रभाव के कारण) अक्सर पीक मैग्नीट्यूड को कम करके आंका, वहीं ट्विडी हेड ने अधिक शार्प और आनुपातिक भविष्यवाणियाँ कीं जो एंकरेज और टर्मिनल ज़ोन दोनों में यातायात स्पाइक्स के उतार-चढ़ाव का बारीकी से अनुसरण करती हैं।

5. महत्व और दावे

यह पेपर दावा करता है कि प्रस्तावित मॉडल-अग्नोस्टिक लर्नबल ट्विडी हेड निम्नलिखित द्वारा स्पार्स समुद्री यातायात पूर्वानुमान के लिए एक मजबूत समाधान प्रदान करता है:

अनुमान त्रुटियों को समाप्त करना: सरोगेट लाइक्लिहुड एप्रोक्सिमेशन पर निर्भर रहने के बजाय क्लोज्ड-फॉर्म यूनिट डेविएंस को ऑप्टिमाइज़ करके, यह विधि अनंत-श्रंखला योगों की जटिलता के बिना स्थिर प्रशिक्षण सुनिश्चित करती है।
विषमता को कैप्चर करना: लर्नबल नोड-स्तरीय वेरिएंस पावर $p$ मॉडल को विभिन्न बंदरगाह क्षेत्रों की विशिष्ट सांख्यिकीय विशेषताओं के अनुकूल होने की अनुमति देता है।
विश्वसनीयता में सुधार: यह ढांचा नॉन-जीरो ट्रैफिक इवेंट्स के पूर्वानुमान में महत्वपूर्ण सुधार करता है, जो पारंपरिक ST-GNNs या ZINB-आधारित दृष्टिकोणों की तुलना में व्यावहारिक समुद्री यातायात नियंत्रण के लिए अधिक विश्वसनीय सिग्नल प्रदान करता है।

सीमाएँ और भविष्य का कार्य:
लेखक विनम्रतापूर्वक नोट करते हैं कि हालांकि यह विधि स्पाइक प्रेडिक्शन में सुधार करती है, फिर भी यह सबसे चरम घटनाओं के दौरान रूढ़िवादी बनी रहती है। यह अध्ययन एक विशिष्ट क्षेत्र (LA/LB) और एक विशिष्ट तीन महीने की अवधि (घंटेवार एकत्रीकरण के साथ) तक सीमित है। भविष्य के कार्य में क्रॉस-रीजन मूल्यांकन, बाहरी जानकारी (जैसे मौसम, शेड्यूल) का समावेश, डायनेमिक ग्राफ अपडेट, और चरम ट्रैफिक स्पाइक्स को बेहतर ढंग से संभालने के लिए टेल-अवेयर ऑब्जेक्टिव या हाइब्रिड दृष्टिकोणों का अन्वेषण शामिल है।