BriefGPT - AI 论文速递
·
基于知识增强去噪扩散的城市流动生成建模
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种新的交通预测框架ST-GDN，具有层次结构的图神经架构和多尺度注意力网络，能够更准确地预测城市交通流量并在智能交通管制和公共风险评估等方面实现更有效的空间 - 时间挖掘应用。
🎯
关键要点
-
开发了一种新的交通预测框架ST-GDN。
-
ST-GDN具有层次结构的图神经架构，能够学习区域地理依赖关系和空间语义。
-
框架配备多尺度注意力网络，提高捕捉多级时间动态的能力。
-
实验结果表明ST-GDN的性能优于多种最新基线。
➡️
