实现可靠的零样本人群预测：评估特殊事件行人预测的时间序列基础模型

在罕见的特殊活动期间管理大量人群需要可靠的实时人流预测，以确保公共安全和运营效率。然而，由于历史数据稀缺、数据分布异构和事件观察窗口短，监督预测方法在这些情况下面临局限性。为了有效支持运营决策，预测不仅应提供准确的点估计，还应提供信息丰富的预测不确定性。概率不确定性量化在这方面发挥着至关重要的作用，特别是捕捉突发波动和尾部风险。本文研究了预训练的时间序列基础模型，作为零样本概率预测的轻量级方法，无需进行大量的局部再训练。使用针对短事件量身定制的决策导向指标，我们以 SAIL2025 事件为用例，对人群预测的两个时间序列基础模型进行了全面评估。然后，我们为人群管理者提炼出实用的见解，指定零样本预测何时保持操作可靠。