基于深度ST-残差网络的城市人流量预测 读书笔记

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：