作者:Kan Guo, Yongli Hu, Yanfeng Sun et al.
来源:AAAI 2021
代码:https://github.com/guokan987/HGCN
1论文动机
交通预测在智能交通系统中广泛应用。现有预测方法多关注如何建立一个时空模型以表达非平稳的交通模式。目前,GCN用于学习空间特征,获得了先进的性能。但基于GCN的预测方法仅作用于道路网络微层图,忽略了交通系统是由道路网络微层和区域网络宏观层组成的分层结构。本文提出一种层次图卷积网络(HGCN),通过对微观交通图和宏观交通图的卷积操作预测交通。经两个城市交通数据集评价,相比最新的基于GCN的预测方法,HGCN计算成本低且预测精度高。
2 论文创新
- 用谱聚类从路网构建区域宏观图,分别在微观图和宏观图上做卷积;
- 在微观层和宏观层间引入动态传输块,其交互作用集成2个层的多个GCN,整合了路段和区域不同尺度的特征,以提高交通预测性能。
3 论文模型
图3.1 HGCN模型
3.1 问题描述
3.2 HGCN组成
交通层次图生成块