文献

J-GLOBAL ID：202202269086403044   整理番号：22A1123988

時空間注意に基づくグラフ畳込みニューラルネットワークの交通速度予測【JST・京大機械翻訳】

Attention-based spatio-temporal graph convolutional neural network for traffic speed prediction

著者 (2件)： Huang Weijian (广西科技大学 電气電子与計算机科学学院,广西 柳州 545616) ,  Li Chungui (广西科技大学 電气電子与計算机科学学院,广西 柳州 545616)
資料名： Guangxi Keji Daxue Xuebao  (Guangxi Keji Daxue Xuebao)
巻： 33  号： 1  ページ： 54-62  発行年： 2022年 
JST資料番号： C3549A  ISSN： 1004-6410  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 交通速度は交通状態を評価する重要な指標であり、リアルタイム、正確な交通速度予測は知能交通システムを構築する重要な一環である。交通速度のランダム性、非線形、時空相関性などの問題に対して、新たな注意力メカニズムとグラフ畳込みニューラルネットワークに基づく交通速度予測モデルを提案した。最初に,注意力機構を用いて,時空間的注意力の重み行列を構築し,そして,交通情報における空間相関特性を,グラフ畳込み方式によって捕捉した。次に,時間相関をゲート制御の畳込み法によって得た。最後に,他の5つのベンチマークモデルを,2つのグループで公開された交通速度データセットで予測した。実験結果は,2つのデータセットに関する予測モデルの精度が,それぞれ75.1%と86.6%であり,先進基準モデルの精度より3%高いことを示した。結果は,提案したモデルが高い精度と安定性を持ち,交通管理のための科学的基礎を提供できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 時間 ,  *畳込み ,  予測 ,  *ニューラルネットワーク ,  交通情報 ,  *時空 ,  交通システム ,  モデル ,  規範モデル ,  *交通 ,  ベンチマーク ,  予測モデル
準シソーラス用語： 空間相関 ,  ランダム性 ,  実時間 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (6件)： 時空間 ,  注意 ,  グラフ ,  畳込みニューラルネットワーク ,  交通 ,  予測