Jiang W , Luo J . Graph Neural Network for Traffic Forecasting: A Survey[J]. 2021.
(PDF百度就有)
摘要
这篇综述回顾了使用不同图形神经网络的快速增长的研究主体,且是第一篇综合性的调查,探讨了图形神经网络在交通预测问题中的应用。
简介
简而言之,GNN可以比较好的解决交通问题。
这篇文章确定了最常考虑的问题、图形公式和模型,还调查和总结了公共可用的有用资源,包括数据集、软件和开源代码,用于基于GNN的交通预测研究和应用。最后,确定了将GNNs应用于交通预测问题的挑战和未来方向。目的是为相关工作提供一个全面的总结。创了个开放的GitHub。
1)全面回顾:对过去三年(2018-2020年)基于图的交通预测问题解决方案进行了最全面的回顾。
2)资源收集:提供最新的开放数据集和代码资源的全面列表,以便在未来的工作中进行复制和比较。
3)未来方向:讨论了该领域研究人员面临的几个挑战和未来可能的方向。
相关研究调查
在[5]中,突出了三个时空序列预测(STSF)类别,即移动点云轨迹预测、规则网格上的STSF和不规则网格上的STSF。
在[6]中,回顾了时空特征选择和提取预处理方法,这些方法也可以作