Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting

Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting(AAA2018)

背景:交通流的高度非线性和复杂性,传统的方法不能满足中长期预测任务的要求,往往忽略了空间和时间的相关性

动机:我们将问题表达在图上,并建立具有完整卷积结构的模型,这样可以在较少的参数下获得更快的训练速度。

问题:交通预测是一个典型的时间序列预测问题

模型:

STGCN由多个时空卷积块组成,每个卷积块形成一个“三明治”结构,中间有两个门控序列卷积层和一个空间图卷积层

Spatio-temporal Convolutional Block

构造时空卷积块(ST-Conv块)联合处理图结构时间序列。

然后,我们可以从模型中得到最终输出Z∈Rn×c,然后通过跨c通道的线性变换计算n个节点的速度预测,即ˆv = Zw + b,其中w∈Rc为权向量,b为偏置。STGCN的loss函数

实验:

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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