多尺度时空循环网络用于交通流预测
本文提出了一种新的多时空融合图循环网络(MSTFGRN)用于交通预测,通过数据驱动的加权邻接矩阵生成方法和双向时空融合操作来高效学习隐藏的空时依赖关系,并整合全局注意机制来同时捕获全局时空依赖性。实验结果表明,该方法在四个大规模真实世界交通数据集上实现了最先进的性能。
原文中文,约300字,阅读约需1分钟。
本文提出了一种新的多时空融合图循环网络(MSTFGRN)用于交通预测,通过数据驱动的加权邻接矩阵生成方法和双向时空融合操作来高效学习隐藏的空时依赖关系,并整合全局注意机制来同时捕获全局时空依赖性。实验结果表明,该方法在四个大规模真实世界交通数据集上实现了最先进的性能。