面向室外蜂窝流量的多元传播图注意力网络时空预测
机器学习
2021-08-24 v3
摘要
时空预测是智能交通中的关键问题，有助于交通控制与事故预防等任务。以往研究依赖从传感器收集的大规模交通数据。然而，由于设备与维护成本，不可能在所有区域部署传感器。本文通过某电信公司每日超二十亿条记录提炼出的室外蜂窝流量来解决该问题，因为用户移动性引发的室外蜂窝流量与交通流量高度相关。我们研究城市中的道路交叉口，旨在根据历史室外蜂窝流量预测所有交叉口的未来室外蜂窝流量。此外，我们提出了一种用于多元时空预测的新模型，主要由两个扩展的图注意力网络（GAT）组成。第一个GAT用于探索多元蜂窝流量间的相关性。另一个GAT将注意力机制引入图传播，以提升捕获空间依赖的效率。实验表明，所提模型在我们的数据集上显著优于SOTA方法。
引用
@article{arxiv.2108.08307,
title = {Multivariate and Propagation Graph Attention Network for Spatial-Temporal Prediction with Outdoor Cellular Traffic},
author = {Chung-Yi Lin and Hung-Ting Su and Shen-Lung Tung and Winston H. Hsu},
journal= {arXiv preprint arXiv:2108.08307},
year = {2021}
}
备注
5 pages, 5 figures