文献

J-GLOBAL ID：202202288175705458   整理番号：22A1045628

交通需要予測のための動的空間-時間グラフニューラルネットワーク【JST・京大機械翻訳】

A dynamical spatial-temporal graph neural network for traffic demand prediction

著者 (7件)： Huang Feihu (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Yi Peiyu (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Wang Jince (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Wang Jince (Department of Computer and Information Engineering, Shanxi Institute of Energy, Jinzhong 030600, China) ,  Li Mengshi (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Peng Jian (College of Computer Science, Sichuan University, Chengdu 610065, China) ,  Xiong Xi (School of Cybersecurity, Chengdu University of Information Technology, Chengdu 610225, China)
資料名： Information Sciences  (Information Sciences)
巻： 594  ページ： 286-304  発行年： 2022年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 交通需要予測は輸送応用システムの資源スケジューリングにおいて重要で実用的である。一方,それは,文脈効果の複雑性と需要の高度に動的な性質のため,挑戦的な話題である。グラフニューラルネットワーク(GNN)に基づく多くの研究が,このタスクに対処するために最近提案された。しかし,ほとんどの以前の研究は静的グラフとして空間依存性を扱い,それらの推論機構は解釈不能性を欠く。問題に取り組むために,動的空間-一時的グラフニューラルネットワークモデル(DSTGNN)を本論文で提案した。DSTGNNには2つの重要な相がある。1)空間依存性グラフを作成する。動的関係を把握するため,ノードの空間依存性の安定性に基づく空間グラフの構築を提案した。(2)強度を与える。解釈可能性問題に対処し,空間時間埋込みネットワークを構築し,強度を推定するため,不均質Poissonプロセスを用いて,変化需要プロセスをモデル化した。特に,空間時間埋込みネットワークは拡散畳込みニューラルネットワーク(DCNN)と修正変圧器を統合した。2つの実データセットについて広範な実験を行い,実験結果はDSTGNNの性能が交通需要予測に関する最先端モデルより優れていることを実証した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  変圧器 ,  スケジューリング ,  *ネットワーク ,  *ニューラルネットワーク ,  Poisson過程 ,  *空間 ,  モデル ,  空間依存性 ,  推論マシン
準シソーラス用語： 複雑性 ,  *交通需要予測 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 交通需要予測 ,  グラフニューラルネットワーク ,  空間-時間依存性 ,  不均一Poisson過程

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (2件)： 交通需要予測 ,  グラフニューラルネットワーク