Feb, 2024
交通预测中的延迟效应揭示:来自时空延迟微分方程的视角
Unveiling Delay Effects in Traffic Forecasting: A Perspective from Spatial-Temporal Delay Differential Equations
Qingqing Long, Zheng Fang, Chen Fang, Chong Chen, Pengfei Wang...
TL;DR提出一种神经时空延迟微分方程模型(STDDE)进行交通流预测,该模型结合了延迟效应和连续性,通过明确地建模时空信息传播中的时间延迟,设计了可学习的交通图时延估计器,并提出了连续输出模块,从而实现在不同频率下准确预测交通流的灵活性和适应性。