FDTI：基于路网增强图的细粒度深度交通推断
机器学习
2023-06-21 v1 人工智能
摘要
本文提出细粒度交通预测任务（如数据点间隔为1分钟），该任务对交通相关下游应用至关重要。在此设定下，交通流受信号灯高度影响，且交通节点间的相关性动态变化。因此，节点间交通数据非平滑，难以利用先前聚焦于平滑交通数据的方法。为解决此问题，我们提出细粒度深度交通推断，称为FDTI。具体而言，我们基于交通信号构建细粒度交通图以建模道路间关系。随后，提出具有物理可解释性的动态移动卷积模块，以捕捉由交通信号控制的车辆移动动态。此外，引入交通流守恒以准确推断未来流量。大量实验表明，我们的方法取得了最先进的性能，并学习到具有良好特性的交通动态。据我们所知，我们首个开展了城市级细粒度交通预测。
引用
@article{arxiv.2306.10945,
title = {FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph},
author = {Zhanyu Liu and Chumeng Liang and Guanjie Zheng and Hua Wei},
journal= {arXiv preprint arXiv:2306.10945},
year = {2023}
}
备注
Accepted by ECML PKDD 2023 (ADS track)