Addressing Spatial Indistinguishability in Spatiotemporal Prediction via Optimal Transport-Guided Masking
作者: Guangyu Wang, Jiawei Tong
分类: cs.LG, cs.AI
发布日期: 2026-09-28
备注: Accepted by Pattern Recognition
💡 一句话要点
提出STOT以解决时空预测中的空间不可区分性问题
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 时空预测 空间不可区分性 最优传输 自监督学习 图神经网络 动态相似性 数据可视化
📋 核心要点
- 核心问题：现有方法在处理空间不可区分性时，主要依赖历史相似性，难以捕捉未来行为的分歧。
- 方法要点：提出STOT框架，通过最优传输引导的结构化掩蔽来解决时空模糊性，强调动态节点间的相似性。
- 实验或效果：在六个真实世界数据集上的实验表明，STOT在评估基准上与最先进的基线竞争，并通过传输计划可视化提高了解释性。
📝 摘要（中文）
时空预测旨在从空间结构中的相关时间信号中学习判别性表示，以实现准确的未来推断。一个核心挑战是空间不可区分性：不同节点可能共享相似的历史模式，但却朝着不同的未来发展，严重影响了实际传感器网络中的预测性能。现有的基于嵌入和图神经网络的方法只能部分检测这些模糊节点，但依赖于历史相似性，难以捕捉未来行为的分歧。本文提出了STOT（时空最优传输），一个自监督框架，通过最优传输引导的结构化掩蔽来解决时空模糊性。我们的关键思想是将不可区分性视为一个消歧问题：通过利用同时的空间相关性及其时变相似性来推断未来状态。
🔬 方法详解
问题定义：本文旨在解决时空预测中的空间不可区分性问题。现有方法主要依赖历史相似性，难以有效捕捉不同节点未来行为的分歧，导致预测性能下降。
核心思路：论文提出将不可区分性视为消歧问题，通过利用节点间的空间相关性及其时变相似性来推断未来状态。这样的设计使得模型能够更好地处理节点间的复杂关系。
技术框架：STOT框架包括几个主要模块：相似性感知度量、最优传输引导的掩蔽策略、批一致性约束和随机游走掩蔽机制。这些模块共同作用，以增强模型对模糊节点的处理能力。
关键创新：最重要的技术创新在于引入了最优传输引导的结构化掩蔽策略，强调了动态节点间的相似性，从而有效解决了空间不可区分性问题。这与现有方法的本质区别在于不再单纯依赖历史数据，而是关注未来行为的潜在差异。
关键设计：在设计中，采用了相似性感知度量来捕捉动态节点关系，并通过最优传输策略进行掩蔽。此外，批一致性约束用于保持语义一致性，而随机游走掩蔽机制则促进了结构化上下文的探索。
🖼️ 关键图片
📊 实验亮点
在六个真实世界数据集上的实验结果显示，STOT在多个评估基准上表现出色，与最先进的基线相比，预测性能有显著提升，具体提升幅度未知。此外，传输计划的可视化增强了模型的可解释性，为研究人员提供了更深入的理解。
🎯 应用场景
该研究的潜在应用领域包括智能交通系统、环境监测和城市规划等。通过提高时空预测的准确性，STOT可以为决策支持系统提供更可靠的数据分析，进而优化资源配置和管理策略，具有重要的实际价值和未来影响。
📄 摘要（原文）
Spatiotemporal prediction aims to learn discriminative representations from correlated temporal signals over spatial structures for accurate future inference. A central challenge is \emph{spatial indistinguishability}: different nodes may share similar historical patterns yet evolve toward divergent futures, severely degrading forecasting performance in real-world sensor networks. Existing embedding-based and graph neural network (GNN)-based approaches can partially detect such ambiguous nodes but rely on historical similarity, struggling to capture \emph{future behavioral divergence}. We propose \textbf{STOT} (\textbf{S}patio\textbf{T}emporal \textbf{O}ptimal \textbf{T}ransport), a self-supervised framework that resolves spatiotemporal ambiguity via structured masking guided by optimal transport. Our key idea treats indistinguishability as a \emph{disambiguation} problem: future states are inferred by exploiting concurrent spatial correlations and their time-varying similarity. We design a similarity-aware metric for dynamic inter-node relationships and an optimal transport-based masking strategy to emphasize ambiguous positions during pre-training. A batch consistency constraint preserves semantic coherence, while a random-walk masking mechanism promotes structured context exploration. Experiments on six real-world datasets show that STOT performs competitively with state-of-the-art baselines on the evaluated benchmarks and improved interpretability through transport-plan visualizations.