提出了一种名为渐进图卷积网络的新型交通预测框架。通过在训练和测试阶段逐步适应在线输入数据来构建一组图。具体来说,我们通过学习图节点间的趋势相似性来构建渐进邻接矩阵。然后,该模型与扩张因果卷积和门控激活单元相结合,提取时间特征。通过残差连接和跳过连接,可以进行交通预测。结论是逐步适应输入数据的能力使该模型能够在不同的研究地点进行稳健的泛化。
提出了一种名为渐进图卷积网络的新型交通预测框架。通过在训练和测试阶段逐步适应在线输入数据来构建一组图。具体来说,我们通过学习图节点间的趋势相似性来构建渐进邻接矩阵。然后,该模型与扩张因果卷积和门控激活单元相结合,提取时间特征。通过残差连接和跳过连接,可以进行交通预测。结论是逐步适应输入数据的能力使该模型能够在不同的研究地点进行稳健的泛化。