基于图的交通分析与延迟预测

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究针对马耳他交通拥堵问题,提出了MalTra交通数据集。结合ARIMA模型与图神经网络,结果显示DCRNN在交通延迟预测中优于STGCN,具有实际应用价值。

🎯

关键要点

  • 本研究聚焦于马耳他交通拥堵问题。
  • 提出了名为MalTra的全面交通数据集。
  • 研究结合了统计ARIMA模型与图神经网络方法。
  • DCRNN在交通延迟预测中表现优于STGCN。
  • 研究结果具有重要的实际应用价值。
➡️

继续阅读