traffic flow forecasting | BriefGPT

关键词traffic flow forecasting

搜索结果 - 13

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
基于多图卷积神经网络模型的信号化路口短期转向动作预测
交通流量预测是智能主动交通管理的关键第一步。本研究引入了一种新型的深度学习架构，称为多图卷积神经网络（MGCNN），用于交叉口的转弯动作预测，并通过在时间和空间上建模交通数据的变化来改善预测性能。在实验中，该模型在对比其他四种基准模型的情况
PDFa month ago
多通道时空变换器模型的交通流量预测
提出了一个多通道时空变换模型用于交通流量预测，通过融合来自不同通道的交通数据结果，改善了预测准确性。该模型使用图卷积网络从每个通道提取空间特征，并使用基于变换器的体系结构捕捉通道之间的时间依赖性。在六个真实数据集上的实验证明，引入多通道机制
PDF2 months ago
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
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。
PDF5 months ago
交通流量预测的动态超图结构学习
本文研究了交通流预测问题，通过建模交通网络和过去的交通状况来预测未来的交通情况。为了解决现有方法在复杂交通网络中表现不佳的问题，本文提出了一种名为动态超图结构学习 (DyHSL) 的新模型，该模型通过提取超图结构信息来学习非成对关系，并通过
PDF9 months ago
基于 Newell 理论的特征变换在时空交通预测中的应用
通过交通流量物理特征转化提高深度学习模型的可迁移性和预测性能，实验结果表明该方法可成功应用于不同的交通数据集和位置
PDFa year ago
FPTN：用于交通流量预测的快速纯 Transformer 网络
本文研究通过提出一种快速的 Transformer 网络来预测交通流量，该网络能够准确地捕捉交通数据中的复杂时空依赖关系，同时大大降低了计算时间和计算资源的要求。
PDFa year ago
交通流预测的自适应图空时转换网络
该论文提出了一种基于自适应图形时空网络和 Transformer 的交叉空间时间注意力机制，在流量预测上的实验结果表明其具有更优秀的性能。
PDF2 years ago
基于相关信息的时空网络在交通流量预测中的应用
本文提出了基于最大信息系数的空间 / 时间相关性表示方法，利用该方法构建了一个基于相关信息的时空网络（CorrSTN），包括动态图神经网络和多头注意力，并使用这个网络在公路和地铁数据集上进行道路和人群的流量预测，结果表明 CorrSTN 在
PDF2 years ago
IJCAITrafficStream: 基于图神经网络和连续学习的流式交通流预测框架
本文提出了一种基于图神经网络和持续学习的流式交通流预测框架 TrafficStream，通过交通模式融合方法和 CL 实现对具有扩展和发展模式的网络模型的高效学习，同时构建流式交通数据集进行验证，实验证明该模型在长期流场中高效提取交通模式的
PDF3 years ago
KDD跨节点联邦图神经网络用于时空数据建模
提出了一种基于 Cross-Node Federated Graph Neural Network（CNFGNN）的联邦时空模型，旨在利用分布式数据的时空结构，对交通流量进行准确预测，并在交通流量预测任务中展示了其卓越的表现。
PDF3 years ago
AAAI基于时空融合的图神经网络用于交通流量预测
本文提出一种名为 STFGNN 的基于图神经网络的交通流预测模型，结合空间和时间各种图的融合操作，以及门控卷积模块来处理长序列，实现了比其它基线更好的性能。
PDF4 years ago
TSSRGCN: 用于交通流量预测的时间 - 频谱 - 空间检索图卷积网络
该论文提出了一种基于神经网络模型的交通流预测方法，该方法可以提取交通流数据的空间和时间信息，进而通过结合两种图卷积网络方法来学习节点和边的表示，并利用基于周期的膨胀可变卷积模块来准确捕获每个节点上不同的时变趋势，实验结果表明该模型可以更好地
PDF4 years ago