循环图注意力匹配编码器（CGAME）：一种用于OD估计的新型神经网络
机器学习
2022-08-24 v4 人工智能
摘要
起讫点估计在智能交通时代扮演重要角色。然而，作为一个欠定问题，OD估计面临从跨空间推断到非凸、非线性优化的诸多挑战。作为强大的非线性逼近器，深度学习是一种理想的数据驱动方法，为OD估计提供新视角。但将多时段交通计数视为时空输入、OD矩阵视为异构图结构输出时，现有神经网络架构不适用于跨空间推断问题，因而需要新的深度学习架构。我们提出CGAME，即循环图注意力匹配编码器（cyclic graph attentive match encoder），包含双向编码器-解码器网络及隐藏层中带双层注意力机制的新颖图匹配器。其实现了前向网络与后向网络间有效信息交换，并建立跨底层特征空间的耦合关系。所提模型在设计的实验中相较基线取得最优性能，并为跨表示空间的推断任务提供范式。
引用
@article{arxiv.2111.14625,
title = {Cyclic Graph Attentive Match Encoder (CGAME): A Novel Neural Network For OD Estimation},
author = {Guanzhou Li and Yujing He and Jianping Wu and Duowei Li},
journal= {arXiv preprint arXiv:2111.14625},
year = {2022}
}