论文笔记： Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning

最新推荐文章于 2023-09-10 00:16:07 发布
最新推荐文章于 2023-09-10 00:16:07 发布
阅读量176 收藏 1
点赞数
分类专栏： 论文笔记 文章标签： 论文阅读 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40206371/article/details/131662091
版权

2020 TKDE

基于FCN，同时预测时空中的节点和边缘的流量

1 节点流量 & 边缘流量

 2 问题定义

 

 

3 模型 

 4 实验

4.1 数据

TaxiBJ：2013年-2016年四个时间段北京市出租车GPS数据和气象数据。

TaxiNYC：2011年至2014年纽约市出租车行驶记录，包括：上下车时间和地点。

 4.2 结果

 

UQI-LIUWJ
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning
空字符
04-01 2377
这是一篇郑宇团队2019年发表在 **IEEE Transactions on Knowledge and Data Engineering** 杂志上的一篇论文。 从题目来看文章提出的模型是一个多任务模型，在阅读文论之后发现是为了解决两个问题： ①流量预测；（同论文 [上一篇博文介绍的论文一样](https://blog.csdn.net/The_lastest/article/de...
"Deep Facial Expression Recognition: A Survey"论文笔记
Nefelibata_eve的博客
12-24 2556
introduction FER systems can be divided into two main categories according to the feature representations: static image FER and dynamic sequence FER.（时空信息） The majority of the traditional methods h...
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning 学习笔记
qq_39550159的博客
11-29 1595
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning学习笔记论文简介背景问题定义模型框架边流量预测功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出
交通流量预测数据集解读
qwezhaohaihong
05-20 3万+
智慧交通系统 即Intelligent TransportationSystem (ITS) 属于时空预测方向，在人工智能相关会议上有不少工作值得借鉴。中科院计算所9楼网数的徐冰冰在github上有建微信群讨论，下周约在计算所给课题组做报告。群中Davidham（宋超，北交）也撰写了不少论文笔记，最近还发现了CSDN上张博士的 “当交通遇上机器学习”，也很不错。 原始数据集总结 一、TaxiBJ，北京出租车数据集，郑宇，"BJ15_M32x32_T30_InOut.h5"，原始数据s...
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning（TKDE2020）
小蚂蚁与大象
06-05 467
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning（TKDE2020） 摘要：预测交通流(如车辆、人群和自行车的交通)，包括在一个节点的进出交通和不同节点之间的过渡，在交通运输系统的时空网络中起着重要的作用。然而，这是一个非常具有挑战性的问题，受到多种复杂因素的影响，如不同地点之间的空间相关性，不同时间间隔之间的时间相关性，以及外部因素(如事件和天气)。此外，节点上的流(称为节点流)和节点之间的转换(边缘
【IEEE TDKE 2020】Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning
Koma_zhe的学习笔记
04-15 815
【IEEE TDKE 2020】Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning
Modeling Heterogeneous Relations across Multiple Modes for Potential Crowd Flow Prediction中文解读
qq_43118572的博客
04-14 283
Abstract 对于新规划的交通站点，潜在的人群流量预测是城市规划人员和行政人员的一项基本任务。直观上，可以通过探索附近的站点来暗示新来站点的潜在人群流量。但是，附近站点（例如公交车站，自行车站）的交通方式可能与目标站点（例如地铁站）的交通方式不同，从而导致严重的数据短缺。为此，我们提出了一种名为MOHER的数据驱动方法，用于以某种模式预测新计划站点的潜在人群流量。具体来说，我们首先通过检查地理上的邻近度以及城市功能相似性来确定目标站点的邻近区域。然后，为了聚合这些异类关系，我们设计了一种跨模式关系GC
TaxiBJ数据集 北京出租车流量数据集
weixin_45615730的博客
01-14 2461
Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction中的TaxiBJ数据集
【论文阅读笔记】NeurIPS2020文章列表Part1
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 8728
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
智慧交通实战项目数据库
01-14
智慧交通实战项目数据库
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3186
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
交通预测论文阅读与总结
myblog
10-09 2785
交通论文阅读与总结 最近在找点，做一个记录，跟的主要是郑宇老师团队的TaxiBJ和BikeNYC数据集上的论文，欢迎交流。 论文 时间关联 空间关联 其他（特点与不足） 输入数据上的特点 STGCN 在通道维度上使用，一维卷积， GLU控制信息流。Tin=12,Tout =1 二阶切比雪肤图卷积 静态图
GPS轨迹数据集免费下载资源整理
热门推荐
ChainingBlocks
02-27 3万+
本文主要是整理了GPS轨迹数据集免费资源库，从这些库中能够免费下载到GPS数据，同时还整理出了这些数据的格式，数据集的简单描述等等。如果你发现更好的相关数据资源，欢迎共享 :)1. GeoLife GPS Trajectories该GPS轨迹数据集出自微软研究GeoLift项目。从2007年四月到2012年八月收集了182个用户的轨迹数据。这些数据包含了一系列以时间为序的点，每一个点包含经纬度、海拔
基于多任务深度学习的时空网络流量预测
zuiyishihefang的博客
11-18 3703
1、文章信息《Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning》。京东智能城市研究...
【2020顶会KDD】AutoST：面向时空预测的高效神经架构搜索
最新发布
m0_52597077的博客
09-10 380
时空（ST）预测（例如人群流量预测）在智能城市应用中的城市规划、智能交通和公共安全等领域具有重要意义。最近，许多深度神经网络模型已被提出用于进行准确的预测。然而，手动设计神经网络需要大量的专业工作和ST领域知识。如何自动构建适用于城市中多样时空预测任务的通用神经网络？在本文中，我们研究了面向时空预测的神经网络架构搜索（NAS），并提出了一种高效的时空神经架构搜索方法，称为AutoST。据我们所知，搜索空间是NAS在不同应用中取得成功的重要人为因素，而当前的NAS模型集中于优化固定搜索空间中的搜索策略。
CODA数据集 -- 出租车存MySQL源码
Ethan Zeng 博客空间
03-06 935
主类： import java.io.BufferedReader; import java.io.FileReader; import java.io.IOException; import java.sql.*; import java.util.ArrayList; public class Test { private static Connection connec...
推断细粒度的城市流量
weixin_30925411的博客
04-02 394
Liang, Yuxuan, Kun Ouyang, Lin Jing, Sijie Ruan, Ye Liu, Junbo Zhang, David S. Rosenblum, and Yu Zheng. "UrbanFM: Inferring Fine-Grained Urban Flows."arXiv preprint arXiv:1902.05377(2019). Code:ht...
基于多任务深度学习的时空网络流量预测 IEEE TKDE 2019
goto_past的博客
10-24 3298
Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning 文章链接: Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning. Abstract 时空网络中的流量预测(如车辆、人群和自行车的流量)在交通系统中起着重要的作用，它包括一个节点的进出流量和不同节点之间的过度。然而，这是一个非常具有挑战性的问题，它受到多种复
Traceback (most recent call last): File "d:\prediction-flow-master\examples\movielens\prediction_flow\pytorch\dien.py", line 9, in <module> from .nn import Interest ImportError: attempted relative import with no known parent package
06-01
这个错误提示出现在你尝试运行Python代码时，通常是由于Python解释器无法找到指定的模块或包引起的。这个错误提示中指出，在你的 `dien.py` 文件的第9行中，出现了一个相对导入的错误，原因是没有找到该模块的父级包...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

UQI-LIUWJ

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值