BriefGPT - AI 论文速递
·
交通流量预测的动态超图结构学习
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为动态超图结构学习 (DyHSL) 的新模型，用于解决交通流预测问题。该模型通过提取超图结构信息来学习非成对关系，并通过聚合来自关联超边的消息来更新每个节点的表示。实验证明，DyHSL 模型在四个流行的交通基准数据集上表现优异。
🎯
关键要点
- 本文研究交通流预测问题，建模交通网络和过去的交通状况以预测未来交通情况。
- 提出动态超图结构学习 (DyHSL) 模型，解决现有方法在复杂交通网络中表现不佳的问题。
- DyHSL 通过提取超图结构信息学习非成对关系，并聚合来自关联超边的消息更新节点表示。
- 引入互动图卷积块以捕捉道路网络中的高阶时空关系，模拟节点邻域交互。
- 整合多尺度相关性提取模块，通过不同尺度的时间池化建模不同时间模式。
- 在四个流行的交通基准数据集上进行大量实验证明 DyHSL 的有效性。
➡️
