Jmeter mysql package 学生排队 状态模式 postgresql csv parsing svg matlab向上取整 matlab图像识别 linux查看防火墙 vue与html5 docker保存镜像 python库 java文件 java时间戳转换成时间 java时间格式 java中new java遍历list集合 java可变参数 linux硬盘 蓝牙运动耳机排行榜 谷歌地球打不开 高效能人士的七个习惯pdf 苹果5s降级 millenium 音乐剪辑器下载 视频修复工具 dnf男柔道加点 c4d挤压 pr动态字幕 js获取子元素 服务器之家 套料软件 cad特性不显示 淘宝店铺会员 python列表去重 安卓ui框架 ofd文件阅读器
当前位置: 首页 > 学习教程  > 编程语言

【论文泛读10】利用时空图卷积神经网络预测全市地铁车站级短期客流

2021/2/13 16:20:16 文章标签: 测试文章如有侵权请发送至邮箱809451989@qq.com投诉后文章立即删除

贴一下汇总贴:论文阅读记录 论文链接:《Predicting Station-Level Short-Term Passenger Flow in a Citywide Metro Network Using Spatiotemporal Graph Convolutional Neural Networks》 一、摘要 地铁网络客流预测对交通管理和公共安全具有重要意义…

贴一下汇总贴:论文阅读记录

论文链接:《Predicting Station-Level Short-Term Passenger Flow in a Citywide Metro Network Using Spatiotemporal Graph Convolutional Neural Networks》

一、摘要

地铁网络客流预测对交通管理和公共安全具有重要意义。然而,这样的预测是非常具有挑战性的,因为客流受到复杂的空间依赖关系(远近)和时间依赖关系(近期和周期性)的影响。在本文中,我们提出了一种基于深度学习的新方法,名为STGCNNmetro (spatiotemporal graph convolutional neural networks for metro),用于共同预测城市每个地铁站的两种类型的客流量——流入和流出。STGCNNmetro将城市地铁网络转化为图,并利用图卷积神经网络(GCNNs)进行预测,而不是用网格表示地铁站点,并利用传统的卷积神经网络(CNNs)捕捉时空相关性。首先,我们应用立体图卷积运算来无缝捕捉沿着地铁网络的不规则时空依赖性。其次,构建了一个由gcnn组成的深层结构,以捕捉整个城市层面的遥远时空依赖关系。最后,我们整合三个时间模式(近期、每日和每周),并融合从这些模式中获取的时空相关性,形成最终的预测值。STGCNNmetro模型是一个端到端框架,它可以接受原始客流量数据,自动捕捉全市地铁网络的有效特征,并输出预测结果。我们通过对上海地铁网络短期客流量的预测来测试这个模型。实验表明,STGCNNmetro模型优于7个已知的基线模型(LSVR、PCA - kNN、NMF - kNN、贝叶斯模型、MLR、M - CNN和LSTM)。此外,我们还探讨了模型对其参数的敏感性和预测误差的分布。

文章主要内容

提出了一种时空图卷积神经网络模型,称为STGCNNmetro,用于预测全市地铁网络的客流量和客流量。我们将立体图卷积核应用于历史地铁客流量-客运量-时间序列,以无缝捕捉地铁网络沿线站点之间的不规则时空依赖关系。此外,构建了一个由gcnn组成的深层结构,以捕捉整个城市层面的遥远时空依赖关系。最后,我们融合从近期、每日和每周模式中获取的时空相关性,形成最终的客流量和客流量预测值。

二、结论

  • STGCNNmetro模型优于LSVR、PCA - kNN、NMF - kNN、Bayesian、MLR、M - CNN和LSTM等7个基线模型。
  • 实现了“端到端”的预测,可以接受原始的地铁客流量数据,并自动捕捉全市地铁网络的有效特征。
  • 通过讨论STGCNNmetro模型结果的空间和时间误差分布,我们得出结论,误差与大多数预测目标的实际值呈正相关。

未来可能的研究方向:

  • 进一步优化模型的网络结构和参数,探索预测点异常的原因。
  • 继续设计一种“端到端”的DL模型,用于地铁客流量的多步预测。

三、理论介绍

用图表示地铁网络客流量的时间序列

图卷积操作

利用立体图卷积来捕捉不规则的时空依赖关系

使用深度GCNNs捕捉全网层面遥远的时空依赖关系

利用时空GCNNs预测全市地铁车站短期客流量


本文链接: http://www.dtmao.cc/news_show_700014.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?