KDDFeb, 2022
PGCN: 面向时空交通预测的渐进图卷积网络
PGCN: Progressive Graph Convolutional Networks for Spatial-Temporal Traffic Forecasting
Yuyol Shin, Yoonjin Yoon
TL;DR本研究提出了一种新的交通预测框架 - Progressive Graph Convolutional Network(PGCN),它通过在训练和测试阶段逐步适应输入数据来构建一组图形,并与扩张因果卷积和门控激活单元相结合,提取时间特征。PGCN 具有逐步适应输入数据的能力,使模型在不同的研究场所具有稳健性,并在各种几何性质的实际交通数据集上实现了最先进的性能。