この記事では、都市計画やインテリジェント交通システムにおける詳細な都市フロー推定の重要性と、その実用的な展開における課題について述べています。既存の手法は過剰なパラメータ数による計算コストや、偏ったフロー分布に対する従来の損失関数の性能低下がネックです。これらの問題を解決するために、著者らは、効率的なアーキテクチャと適応的な最適化を融合させた手法を提案します。具体的には、段階的な局所-グローバル融合（PLGF）技術を用いた軽量アーキテクチャと、困難な予測領域に焦点を当てるデュアルフォーカル損失関数を導入し、モデルがより複雑な都市フローを理解できるようにします。実験結果からは、このアプローチが97％サイズを縮小し、従来手法に対し10％以上の精度向上を達成したことが示されています。