一种处理交通预测中稀疏数据的新框架
机器学习
2023-01-16 v1
摘要
越来越多配备GPS的车辆为行驶车辆所经过的道路实时提供了宝贵的交通信息。通过这种方式，每条道路都生成了一组稀疏且随时间变化的交通报告。这些时间序列是预测未来交通状况的宝贵资产。在本文中，我们提出了一个深度学习框架，该框架编码稀疏的近期交通信息并预测未来的交通状况。我们的框架由一个循环部分和一个解码器组成。循环部分采用了一种注意力机制，用于编码在特定时间窗口内可用的交通报告。解码器负责预测未来的交通状况。
引用
@article{arxiv.2301.05292,
title = {A Novel Framework for Handling Sparse Data in Traffic Forecast},
author = {Nikolaos Zygouras and Dimitrios Gunopulos},
journal= {arXiv preprint arXiv:2301.05292},
year = {2023}
}