SGRU：用于交通流预测的高性能结构化门控循环单元
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种名为 SGRU 的结构化门控循环单元，通过结构化 GRU 层和非线性单元以及多层时间嵌入来增强模型的拟合性能，在加利福尼亚四个公开交通数据集上的实验结果表明，该模型的性能优于基线模型，平均改进了 11.7％，18.6％，18.5％和 12.0％。
本文介绍了一种新的编码-解码体系结构，Fusion-GRU网络，用于未来边界框定位。该方法考虑了自车视角的目标交通参与方未来位置和尺度的复杂相互作用，并引入了中介估计器和自注意力聚合层来学习长期预测的时序依赖关系。实验结果表明Fusion-GRU在预测交通参与方未来边界框方面具有良好性能。
