road networks | BriefGPT - AI 论文速递

关键词road networks

搜索结果 - 9

交通预测的时序图学习循环神经网络
通过引入 Temporal Graph Learning Recurrent Neural Network (TGLRN) 模型，我们可以动态地构建每个时间步长的图形，从而准确地预测交通流量，并通过边采样策略进一步提高模型的性能。
PDFa month ago
利用建筑环境推进交通方式份额分析：具有城市道路网络的深度混合模型
该研究提出深度混合模型（DHM）用于交通出行方式分析，将道路网络和社会人口特征作为输入，利用图嵌入技术增强对城市结构的表达，结果在芝加哥的模式共享预测实验证明，DHM 在城市层面评估不同出行方式比例时具有更高的解释能力、预测准确性和地理洞察
PDFa month ago
STMGF：一种有效的时空多粒度交通预测框架
介绍了一种新颖的框架，即空间 - 时间多粒度框架 (STMGF)，用于提高对交通网络中长距离和长期信息的捕捉，该框架通过以分层交互方式收集信息，利用交通序列中的固有周期性与最近交通数据进行匹配以改善预测结果，并在两个真实数据集上的实验表明
PDF3 months ago
具有时间动态的道路网络的语义增强表征学习
Toast 和 DyToast 是用于学习道路网络通用表示的新框架，增强了时间动态集成以提高各种时间敏感下游任务的性能。通过编码交通模式和旅行语义来实现对道路网络的两个关键语义特征的重要性概括，Toast 通过引入辅助任务和 Transfo
PDF4 months ago
FRIGATE: 道路网络上节约的时空预测
FRIGATE 是一种基于时空图神经网络（GNN）的方法，用于路网的动态建模，可以在完全或部分考虑传感技术的情况下捕获更真实的现实世界，也证明了 FRIGATE 在实现上的更高表达能力和卓越的经验性能。
PDFa year ago
AAAI图中最短路径的重新配置
该研究论文提出一个问题：一次只修改一个顶点，从而将一个最短路径修改为另一个最短路径，其应用于优化网络中的路由算法，数据流管理，以及列车调度等优化问题，并基于图论方法研究该问题的复杂度与算法优化。
PDF3 years ago
ICCV从卫星图像中提取拓扑地图
PolyMapper 是一种新的方法，用于从空中图像中直接提取城市的拓扑地图，并提出了一种新的序列化方法以实现不同类型对象的统一形状表示，其能够在现有大规模数据集上以全自动方式绘制建筑物和道路的多边形，表现得很好。
PDF6 years ago
Traffic Graph Convolutional Recurrent Neural Network: 网络规模交通学习与预测的深度学习框架
通过学习交通网络图形并提出一种新的深度学习框架，Traffic Graph Convolutional Long Short-Term Memory Neural Network（TGC-LSTM），我们可以更好地进行交通预测，从而在两个真
PDF6 years ago
基于道路网络的大规模实时拼车服务和服务保障
本文介绍了在道路网络上提供实时拼车服务，并保证等待时间和服务时限的大规模实时拼车问题。作者提出了分支限界算法和整数规划算法，并且提出了一种更适应动态请求的动态调度算法，从而在上海出租车数据集上进行实验，并证明了此算法比其他算法响应时间更快。
PDF11 years ago