MRA-BGCN 论文总结

Multi-Range Attentive Bicomponent Graph Convolutional Network for Traffic Forecasting论文总结

作者：Weiqi Chen，Ling Chen et al. , Zhejiang University, Alibaba Group,

来源：AAAI 2020

1 论文背景动机

        交通预测对交通管理和公共安全有重要意义，由于路网和交通条件的复杂时空依赖性和不确定性，准确预测较为困难。最新研究主要是通过在固定加权图中用GCN建模空间依赖关系，但该法存在问题：1）忽略路网边的相互作用；2）GCN只考虑一个range（对某个固定K-hops neighbors卷积）。

        本文提出交通预测模型MRA-BGCN：1）根据路网距离建立节点图，根据边交互模式建立边图，用双组分图卷积分别对节点和边进行卷积；2）引入multi-range attention (k-hops)机制，在不同邻域range内聚合信息，学习不同range的权重；3）叠加多个BGCGRU（MRA-BGCN与GRU组成）层，用Seq2Seq结构进行多步交通预测，得出预测结果。

2 论文创新

2.1引入bicomponent图卷积分别建模节点和边的相关性。

2.2引入multi-range attention mechanism，在不同邻域range聚合信息，学习不同范围重要性。

3 论文模型

 

         模型含两部分输入：node-wis