基于注意力的时空图神经 ODE 用于交通预测
机器学习
2023-05-03 v1
摘要
交通预测是智能交通系统（ITS）中的重要问题。图神经网络（GNNs）是捕获交通数据复杂时空依赖性的有效深度学习模型，取得了理想的预测性能。本文提出基于注意力的图神经 ODE（ASTGODE），显式学习交通系统的动态特性，使我们的机器学习模型预测更具可解释性。我们的模型聚合了不同周期的交通模式，并在两个真实世界交通数据集上取得了令人满意的性能。结果表明，在我们的实验中，相较于所有现有 GNN 模型，我们的模型在均方根误差指标上达到了最高精度。
引用
@article{arxiv.2305.00985,
title = {Attention-based Spatial-Temporal Graph Neural ODE for Traffic Prediction},
author = {Weiheng Zhong and Hadi Meidani and Jane Macfarlane},
journal= {arXiv preprint arXiv:2305.00985},
year = {2023}
}