交通予測のための多分割時間融合グラフリカレントネットワーク【JST・京大機械翻訳】

Zhao Wei; Zhang Shiqi; Zhou Bing; Wang Bei

プレプリント

J-GLOBAL ID：202202212277692513 整理番号：22P0342669

交通予測のための多分割時間融合グラフリカレントネットワーク【JST・京大機械翻訳】

Multi-Spatio-temporal Fusion Graph Recurrent Network for Traffic forecasting

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年05月03日プレプリントサーバーでの情報更新日： 2022年09月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

交通予測は,新時代のスマート都市の交通構築に不可欠である。しかし,交通データの複雑な空間と時間依存性は,トラフィック予測を極めて困難にする。ほとんどの既存のトラヒック予測方法は,時空間依存性をモデル化するために,あらかじめ定義された隣接行列に依存する。それにもかかわらず,道路交通状態は高度にリアルタイムであるので,隣接マトリックスは時間とともに動的に変化するべきである。本論文は,上記の問題に取り組むために,新しいマルチ空間時間融合グラフリカレントネットワーク(MSTFGRN)を提示した。ネットワークでは,あらかじめ定義された隣接行列によって反映されない実時間空間依存性を補償するためのデータ駆動加重隣接行列生成法を提案した。また,異なるモーメントでの並列時空間関係に関する新しい2方向空間時間融合操作を行うことにより,隠れ時空依存性を効率的に学習した。最後に,大域的空間時間依存性を,空間時間融合モジュールに大域的注意機構を統合することによって同時に捉えた。4つの大規模,実世界の交通データセットに関する大規模な試行は,著者らの方法が代替のベースラインと比較して最先端の性能を達成することを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

交通調査

, ,

前のページに戻る