qq_35754359的博客

Gallat: A Spatiotemporal Graph Attention Network for Passenger Demand PredictionIntroductionPreliminariesSolution特征提取空间注意力层 Introduction 提出了Gallat，即具有所有注意力的图预测，这是一种用于乘客od需求预测的新型时空图神经网络，以注意力机制作为其主要构建块。 由三个主要层组成。 （1）在空间注意层，我们通过区分地聚集来自其三种类型的邻居节点的信息来学习每个区域节点的表

Predicting origin-destination ride-sourcing demand with a spatio-temporal encoder-decoder residual multi-graph convolutional network 相关工作缺陷 地图网格划分运用CNN和LSTM进行预测，CNN仅以地理方式捕获局部空间相关性，而无法对两个区域之间的语义相关性建模。 大多是研究区域中的骑乘需求，很少有OD的需求预测，现有的od预测在构建邻接矩真实只包含两个网格之间的距离和流量

Coupled Layer-wise Graph Convolution for Transportation Demand Prediction Introduction 现有工作问题 图卷积网络中决定聚合方式的邻接矩阵大多是固定的，根据空间距离或网络连通性通过启发式方法生成，不能捕捉真正的空间相关性。 现有方法忽略了交通需求预测的层次依赖性。例如，突发性暴雨导致全球共享自行车使用量减少，但交通事故导致的拥堵只能造成局部影响。 当前的图卷积方法主要从图信号处理的角度出发，倾向于平滑节点的输入信