Какая самая сложная задача в прогнозировании действий автомобилей и их влияния на поток
Что проверяют
Можете ли вы назвать настоящую трудность предметной области, а не перечислить модели. Следом спрашивают, как вы это оценивали и что сделали на своём проекте.
Как отвечать
Сначала уточните постановку, потому что задач две:
- прогноз траекторий (беспилотники, ADAS): где будут соседние машины через несколько секунд, в открытых бенчмарках горизонт от 3 до 8 секунд;
- прогноз потока: скорость и загрузка участков дорожного графа через 15, 30, 60 минут.
Главная трудность в траекториях это многомодальность и взаимодействие. У машины перед перекрёстком несколько правдоподобных вариантов будущего: прямо, поворот, остановка. Модель с одним выходом и среднеквадратичной ошибкой выдаёт усреднённую траекторию между поворотом и прямым движением, то есть путь, по которому никто не поедет. Поэтому предсказывают K вариантов с вероятностями и оценивают по minADE, minFDE и miss rate. Кроме того, машины влияют друг на друга, и прогноз по каждой отдельно ломается в плотном трафике. Отсюда трансформеры и графовые модели по сцене целиком, с картой полос на входе.
В потоке трудности другие: пространственно-временные зависимости по графу дорог (DCRNN, Graph WaveNet на бенчмарках METR-LA и PEMS-BAY), нестационарность и редкие события вроде аварий, которые и есть самое ценное для прогноза. Плюс обратная связь: если навигатор разводит машины по прогнозу, он сам меняет поток, который прогнозирует.
Ответ сильнее, если вы опираетесь на свой проект: какая была постановка, какой бейзлайн (среднее по дню недели и времени суток побить бывает непросто), что оказалось самым сложным и какие цифры получили. Если в этой области вы не работали, скажите об этом и рассуждайте от общего опыта с временными рядами.
Где спотыкаются
Отвечают названием модели: «возьму LSTM». Модель не главная трудность, главная в постановке и оценке.
Делят данные случайно, а не по времени. Перекрывающиеся окна из соседних моментов попадают и в обучение, и в валидацию, метрика выглядит красиво, а в проде падает.
Оценивают многомодальный прогноз по единственной траектории и не замечают, что модель научилась ездить посередине между вариантами.