【论文泛读14】T-GCN-时间图卷积网络用于交通预测

贴一下汇总贴：论文阅读记录

论文链接：《T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction》

一、摘要

准确、实时的交通预测在智能交通系统中发挥着重要作用，对城市交通规划、交通管理和交通控制具有重要意义。然而，由于城市道路网络拓扑结构和动态变化规律的约束，交通预测一直被认为是一个“开放”的科学问题。为了同时捕捉空间和时间依赖性，我们提出了一种新的基于神经网络的交通预测方法——时间图卷积网络(T-GCN)模型，该模型将图卷积网络(GCN)和门控回归单元(GRU)相结合。具体而言，GCN用于学习复杂的拓扑结构以捕获空间依赖性，门控回归单元用于学习交通数据的动态变化以捕获时间依赖性。然后，将T-GCN模型应用于基于城市路网的交通预测。实验表明，我们的T-GCN模型能够从交通数据中获得时空相关性，并且预测结果优于世界上最先进的交通数据集基线。

文章主要内容

提出了一种基于神经网络的交通预测方法—时间图卷积网络(T-GCN)模型，该模型结合了图卷积网络(GCN)和门控递归单元(GRU)。应用于基于城市路网的交通预测，实验表明T-GCN模型预测结果优于基准模型。

二、结论

• 开发了一种新的基于神经网络的交通预测方法，称为T-GCN，它将GCN和GRU相结合。
• 用图网络来建模城市道路网络，图上的节点表示道路࿰