cy_believ的博客

Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting 论文笔记-----GCN在交通领域的应用（二）一、论文翻译：1、摘要： 及时准确地交通预测对于城市交通控制和指导具有至关重要的意义。由于交通流量的非线性和复杂性，传统的方法不能满足中长期预测任务的需求，并且往往会忽略时空数据的时间和空间依赖特性。在这篇论文中，为了处理在交通领域的时间序列预测问题...

摘要：预测人流量对于交通管理和公共安全是非常重要的。因为人流量预测会被许多复杂的因素影响，（例如周围的交通状况，时间，天气），因此这项任务也是非常有挑战性的。论文提出一个基于深度学习的网络，ST-ResNet，来预测一个城市的每个区域的人群流入和流出。论文基于时空数据的特性设计一个端到端的ST-ResNet架构。更具体来说，论文利用残差神经网络架构来建模城市交通的时间邻近性，周期性，趋势性。对于...