动态图递归卷积神经网络模型用于交通预测

Posted 2021-04-07 今天你Learning了吗

原标题：Spatial temporal incidence dynamic graph neural networks for traffic flow forecasting

作者 ： Hao Peng  a , Hongfei Wang b , Bowen Du b ,   Md Zakirul Alam Bhuiyan c  ,  Hongyuan Ma d ,   Jianwei Liu a , Lihong Wang d , Zeyu Yang e , Linfeng Du b , Senzhang Wang f , Philip S. Yu

摘要：

      交通枢纽交通客流预测是基于传感器测量到的以往交通流量，预测未来交通站点的交通客流流入和流出。交通客流预测在城市交通路线规划、交通控制、管理和每个人的日常生活中起着重要的作用，也是智慧城市系统的主要功能之一。为了更准确地预测城市交通客流，捕获交通客流的时空性，我们提出了一种新的动态图递归卷积神经网络模型Dynamic- GRCNN，并且在预测的有效性和效率性上都取得了不错的效果。

论文总结：

点击“ 阅读原文 ”，了解论文详情！