BriefGPT - AI 论文速递
·
时空图神经点过程用于交通拥堵事件预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
研究人员提出了一种名为STGNPP的时空图神经点过程框架，用于交通拥堵事件预测。该模型通过捕捉历史交通状态数据和道路网络的时空依赖关系，预测下一个拥堵的发生时间和持续时间。实验结果表明，该方法在性能上优于现有的最先进方法。
🎯
关键要点
- 提出了一种名为STGNPP的时空图神经点过程框架。
- 该框架用于交通拥堵事件预测。
- 通过设计时空图学习模块捕捉历史交通状态数据及道路网络的远程时空依赖关系。
- 将提取的时空隐藏表示和拥堵事件信息输入到连续门循环单元中以建模拥堵演变模式。
- 通过周期门控机制改进点过程的强度函数计算，以充分利用周期性信息。
- 模型同时预测下一个拥堵的发生时间和持续时间。
- 在两个真实世界数据集上的大量实验表明，该方法在性能上优于现有的最先进方法。
🏷️
标签
➡️
