Domain Adversarial Spatial-Temporal Network:A Transferable Framework for Short-term Traffic Forecasting
across Cities(短时预测)
本文提出一种新的可转移流量预测框架:域对抗时空网络(Dastnet)是基于多域对抗自适应的可转移时空流量预测框架
该框架通过空间编码器将原始节点特征映射到节点嵌入。 通过域分类器引入域不变性嵌入,并与时域预测器中的交通数据融合,实现跨城市交通预测。(利用多个城市交通信息学习不同节点之间的相似性,达到补充交通信息不足的城市路网预测功能)PS:有点扯,虽然路网有相似性,但是实际结构并不能通用,有一句古话,因地制宜;
利用图表示学习和对抗域自适应技术来学习域不变节点嵌入,并将其进一步整合到时间交通数据模型中。
idea:transfer learning
研究背景:
STGCN
使用CNN
来建模时态依赖关系。 ASTGCN
利用注意机制来捕捉时空依赖的动态。 DCRNN
引入扩散图卷积来描述空间网络中的信息扩散过程。 DMSTGCN