基于注意力机制的自动驾驶车辆供需预测
机器学习
2019-05-28 v1 机器学习
摘要
作为智能交通系统（ITS）的重要功能之一，自动驾驶车辆的供需预测为其控制提供决策依据。本文针对仅可获得当日历史数据或可获得多日历史数据两种系统环境，提出了两种预测模型（即 ARLP 模型和 Advanced ARLP 模型）。这两种模型联合考虑了空间、时间和语义关系。空间依赖通过残差网络与降维捕获；短期时间依赖通过 LSTM 捕获；长期时间依赖与时间偏移通过 LSTM 与注意力机制捕获；语义依赖通过多头注意力机制与自相关系数法捕获。大量实验表明，我们的框架比现有方法提供了更准确且稳定的预测结果。
引用
@article{arxiv.1905.10983,
title = {Attention-based Supply-Demand Prediction for Autonomous Vehicles},
author = {Zikai Zhang and Yidong Li and Hairong Dong and Yizhe You and Fengping Zhao},
journal= {arXiv preprint arXiv:1905.10983},
year = {2019}
}
备注
5 page, naive version