BriefGPT - AI 论文速递
·
利用图神经网络增强列生成算法，实现乘客行程规划和机组班次安排的联合优化
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于数据驱动图滤波器的图卷积神经网络模型，用于预测自行车共享网络中车站级别的小时需求。通过测试发现，GCNNrec-DDGF和GCNNreg-DDGF的表现最佳。此外，通过DDGF获得更详细的图网络分析，揭示了车站之间的隐藏异质性相关关系。
🎯
关键要点
- 本研究提出了一种基于数据驱动图滤波器的图卷积神经网络模型。
- 该模型用于预测自行车共享网络中车站级别的小时需求。
- 研究比较了6种GCNN模型和7种基准模型。
- 在纽约市的Citi Bike数据集上进行测试，GCNNrec-DDGF表现最佳。
- GCNNreg-DDGF表现次佳。
- 通过DDGF获得更详细的图网络分析，揭示了车站之间的隐藏异质性相关关系。
🏷️
标签
➡️
