traffic prediction | BriefGPT

关键词traffic prediction

搜索结果 - 58

考虑多层次时空信息的交通预测：基于多尺度图小波的方法
通过使用多尺度图小波时域卷积网络 (MSGWTCN) 模型，同时捕捉不同层次的空间信息和提取数据的时间依赖性，可以更好地预测复杂交通网络中的交通状态，并在实验中证明了该模型的卓越表现。
PDF17 days ago
交通预测中的时空变换器的再思考：多层多视角增强学习框架
本文提出了一种多层多视图增强时空 Transformer（LVSTformer）用于交通预测，该模型旨在从局部地理、全局语义和关键节点三个不同层次捕获空间依赖性，同时还具备长期和短期的时间依赖性，通过结合三种空间增强视图与三个并行空间自注意
PDF18 days ago
在飓风疏散时为高效管理实际大型交通网络部署可扩展的流量预测模型
基于多层感知器与长短期记忆模型的交通预测系统应用于路易斯安那州实施的真实交通预测系统中，在 7 天飓风影响期间 6 小时的长期拥堵状态预测准确率达到 82％，并且短期速度预测模型在 1 至 6 小时的疏散时段中表现出 7％至 13％的均方绝
PDF18 days ago
ICMLFlashST: 一个简单且通用的交通预测快速调整框架
本文介绍了一种简单且通用的时空提示调整框架 - FlashST，用于适应多样化下游数据集的特定特征，提高各种交通预测场景的泛化能力，并通过包含分布映射机制来实现预训练数据和下游数据的有效知识传递，通过对多样化城市数据集进行实证评估，验证了
PDFa month ago
IJCAI利用电信数据增强可持续城市交通出行预测：一种时空框架方法
传统交通预测基于传感器数据的范围有限，综合交通管理方面存在不足。移动网络提供了一种有前途的替代方案，使用网络活动计数，但缺乏关键的方向性。因此，我们提出了 TeltoMob 数据集，其中包含无向电信计数和相应的方向流，以预测道路上的方向性移
PDFa month ago
灵活性：利用明确的归纳图基学习预测蜂窝流量
从电信角度看，用户数量和增长的服务对下一代网络提出了交通需求和资源限制。准确的交通预测可以为网络运营商提供宝贵的网络状况洞察，并建议最优分配策略。最近，使用图神经网络的时空预测方法已成为蜂窝网络流量预测的一种有前景的方法。然而，现有的研究借
PDF2 months ago
利用大型语言模型增强基于文本数据的交通预测
利用大语言模型处理文本信息并与历史交通数据结合，提出了一种改进交通预测准确度的新方法。
PDF2 months ago
TrafficGPT：面向多尺度空间 - 时间代理框架的交通分析与生成
利用 AI 代理、多尺度交通数据、语义信息以及可视化，设计了 TrafficGPT 系统，实现多尺度交通预测和交互性能，通过实验验证其在真实道路数据集上的卓越表现。
PDF2 months ago
ST-SSMs：交通预测的时空选择性空间模型
准确高效的交通预测对智能交通系统的规划、管理和控制至关重要。本文介绍了一种创新的交通流预测方法，即空间 - 时间选择性状态空间模型（ST-SSMs），采用了创新的 ST-Mamba 块，可以在较少的计算成本下实现良好的预测准确性。通过对多样
PDF3 months ago
基于图结构视角的车道级交通预测的统一化：基准和基线
该研究分析并分类现有的车道级交通预测研究，建立了统一的空间拓扑结构和预测任务，并基于图结构和 MLP 网络引入了一个简单的基准模型 GraphMLP。通过公开发布三个新数据集和相应的代码，提供了关于效果、效率和适用性的深入评估，以加速该领域
PDF3 months ago
BjTT: 用于交通预测的大规模多模态数据集
研究探索了如何将生成模型与描述交通系统的文本结合起来应用于交通生成，并命名为 Text-to-Traffic Generation (TTG) 任务。通过将扩散模型与图卷积网络 (Graph Convolutional Network, G
PDF4 months ago
基于预训练大型语言模型的交通预测框架：TPLLM
TPLLM 是一种基于大型语言模型的交通预测框架，通过构建基于 CNN 的序列嵌入层和基于 GCN 的图嵌入层，提取序列特征和空间特征，并与 LLMs 集成，实现在有限历史交通数据地区的准确预测和良好的泛化能力。
PDF4 months ago
基于 V2X 的隐私保护联邦测量与学习系统
未来的自动驾驶车辆将使用各种传感器生成大量数据，该研究论文提出了一种联邦测量和学习系统，通过车辆间通信提供实时数据，并通过车辆到网络链接运行联邦学习方案来创建交通网络的预测模型。研究结果表明，该方案能够提高学习性能并防止聚合服务器侧的窃听。
PDF5 months ago
时空大型语言模型用于交通预测
提出了一种基于空间 - 时间大型语言模型（ST-LLM）的交通预测方法，通过重新定义位置上的时间步长作为标记，并结合空间 - 时间嵌入模块来学习标记的空间位置和全局时间表示，在提供统一的空间和时间信息的基础上，进一步提出了一种部分冻结的 L
PDF6 months ago
AAAITelTrans：基于多类型电信数据的多维图建模在交通评估与预测中的应用
通过利用广泛的蜂窝交通覆盖捕捉移动模式，我们提出了地理蜂窝交通（GCT）流量作为解决基于位置检测器的交通预测局限性的新数据源。针对车辆相关的 GCT 流量预测，我们提出了一个图神经网络，它整合了多变量、时间和空间因素，提高了准确性。实验结果
PDF6 months ago
动态频域图卷积网络用于交通预测
本文提出了一种新颖的动态频域图卷积网络 (DFDGCN)，用于捕捉交通数据中的空间依赖性，通过傅里叶变换来缓解时间偏移的影响，结合静态预定义和自适应图，通过经典因果卷积预测未来的交通数据。经过四个真实世界数据集的广泛实验证明，我们的模型具有
PDF7 months ago
稀疏交叉注意力图卷积网络与辅助信息感知的交通流预测
提出了一种名为 AIMSAN 的深度编码器 - 解码器模型，包含了一个辅助信息感知模块 (AIM) 和基于稀疏交叉注意力的图卷积网络 (SAN)，在交通数据中挖掘丰富的时空动态，并考虑并利用交通节点的空间稀疏性以减少二次计算复杂度。实验证明
PDF7 months ago
智能交通系统中生成式人工智能综述
智能交通系统中的生成人工智能技术在处理不同类型任务的关键问题方面发挥了至关重要的作用，包括交通感知、交通预测、交通仿真和交通决策，并总结了在将生成人工智能应用于智能交通系统时面临的挑战和基于不同应用场景的未来研究方向。
PDF7 months ago
AAAI我在结束时开启：开放街道倡议的深度强化学习评估
通过将开放街道的选择问题视为强化学习问题，使用回路图神经网络预测车辆碰撞并模拟交通情况，研究表明，基于 Q 学习算法选择开放街道能够使城市更安全和减少交通拥堵。
PDF7 months ago
ChatTraffc: 通过扩散模型实现文本到交通生成
在本研究中，我们提出了 ChatTraffic，这是一个将文本转化为交通场景的扩散模型，通过结合生成模型和描述交通系统的文本，解决了交通预测方法在异常事件敏感性和长期预测性能方面的挑战。通过结合图卷积网络和扩散模型以提取交通数据的空间相关性
PDF7 months ago