Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction
中文提示:基于深度ST-残差网络的城市人流量预测
融合轨迹(人流量)、其他额外数据(气象数据、event、holiday信息)。协同对人流量进行预测。
使用三个CNN模型分别去拟合周期性(period)、邻近性(closeness)和趋势性(trend),在CNN中使用12个残差单元,每个残差单元包含两个 级联的ReLu和Conv模块,并使用shortcut降低梯度消失的问题。
三个性质用weight权重连接,在不同的region和部分使用不同的权重,因为每个地区对不同因素的敏感性不同。在训练时可以对不同的地区的因素采用线性回归的方法进行组合。
其他特征使用全连接网络进行相连 最后其输出和三个CNN融合的输出再进行结合,相加并通过tanh函数映射到-1,1。
最后在rescale到真值区间。
主要贡献: