使用时空图表归因网络发现交通崩溃的前兆
机器学习
2025-04-25 v1
摘要
理解和预测交通崩溃的前兆对于提高道路安全性和交通流管理至关重要。本文提出了一种新方法，将时空图神经网络（ST-GNNs）与 Shapley 值相结合，以识别和解释交通崩溃的前兆。通过将 Shapley 解释方法扩展到时空设置，我们的方法弥合了黑箱神经网络预测与可解释原因之间的差距。我们在 Interstate-24 数据上演示了该方法，并确定道路拓扑结构和突然制动是导致交通崩溃的主要因素。
引用
@article{arxiv.2504.17109,
title = {Discovering the Precursors of Traffic Breakdowns Using Spatiotemporal Graph Attribution Networks},
author = {Zhaobin Mo and Xiangyi Liao and Dominik A. Karbowski and Yanbing Wang},
journal= {arXiv preprint arXiv:2504.17109},
year = {2025}
}