文献

J-GLOBAL ID：202202283733943148   整理番号：22A0630548

Laplace行列推定の潜在ネットワークに基づくトラヒック予測のための動的グラフ畳込みネットワーク【JST・京大機械翻訳】

Dynamic Graph Convolution Network for Traffic Forecasting Based on Latent Network of Laplace Matrix Estimation

著者 (6件)： Guo Kan (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing University of Technology, Beijing, China) ,  Hu Yongli (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing Artificial Intelligence Institute, Beijing University of Technology, Beijing, China) ,  Qian Zhen (Civil and Environmental Engineering and H. John Heinz III College, Carnegie Mellon University, Pittsburgh, PA, USA) ,  Sun Yanfeng (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing Artificial Intelligence Institute, Beijing University of Technology, Beijing, China) ,  Gao Junbin (Discipline of Business Analytics, The University of Sydney Business School, The University of Sydney, Sydney, NSW, Australia) ,  Yin Baocai (Beijing Key Laboratory of Multimedia and Intelligent Software Technology, Faculty of Information Technology, Beijing Artificial Intelligence Institute, Beijing University of Technology, Beijing, China)
資料名： IEEE Transactions on Intelligent Transportation Systems  (IEEE Transactions on Intelligent Transportation Systems)
巻： 23  号： 2  ページ： 1009-1018  発行年： 2022年 
JST資料番号： W1272A  ISSN： 1524-9050  CODEN： ITISFG  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 交通予測は,交通データの複雑性と非定常変化として,輸送研究分野における挑戦的な問題であり,従って,この問題への鍵は,適切な空間と時間特性を探究する方法である。この思考に基づいて,グラフ畳込みネットワーク(GCN)ベースの方法が有望な性能を示す多くの創造的方法を提案した。しかし,これらの方法は,道路網の事前知識を主に使用するグラフ構築に依存する。最近,いくつかの研究は,道路ネットワークグラフ変更の事実を実現して,GCNのための動的グラフを構築することを試みたが,しかし,それらはグラフ構築におけるトラフィックデータの空間的および時間的特性を完全に利用しなかった。本論文では,動的道路ネットワークグラフ行列を適応的に構築するための空間時間特徴を抽出するために,潜在ネットワークを導入したトラヒック予測のための新しい動的グラフ畳込みネットワークを提案した。提案方法をいくつかの交通データセットで評価し,実験結果は,それが最新の交通予測方法の状態を凌ぐことを示した。コードのウェブサイトはhttps://github.com/guokan987/DGCN.gitである。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  *畳込み ,  データ ,  *ネットワーク ,  道路網 ,  グラフ行列 ,  *交通予測
準シソーラス用語： 事前知識 ,  非定常性 ,  複雑性 ,  交通データ , 【Automatic Indexing@JST】

分類 (1件)： 交通調査  (TB01031B)

タイトルに関連する用語 (5件)： 行列 ,  推定 ,  トラヒック予測 ,  グラフ ,  畳込み