用于交通预测的位置感知卷积网络
机器学习
2019-04-15 v1 机器学习
摘要
预测一个区域未来的交通流分布是智能交通系统中交通管理的重要问题。交通预测的关键挑战在于由于人类活动高度动态的模式，捕捉未来交通流与历史交通之间的时空关系。大多数现有方法通过融合从多源数据中提取的空间和时间特征来探索这种关系。然而，它们忽略了有助于区分不同位置模式的位置信息。在本文中，我们提出一种集成数据特征与位置信息的位置感知神经网络。我们的方法采用inception骨干网络来捕捉整个区域交通分布的丰富特征。新颖之处在于，在骨干网络下，我们应用神经语言处理中使用的位置嵌入技术将位置信息表示为在训练期间学习的嵌入向量。利用这些嵌入向量，我们设计了位置感知卷积，允许不同的卷积核处理不同位置的特征。在两个真实世界数据集上的大量实验表明，即使使用更少的数据源，我们的方法也优于先前的方法。
关键词
引用
@article{arxiv.1904.06187,
title = {Position-Aware Convolutional Networks for Traffic Prediction},
author = {Shiheng Ma and Jingcai Guo and Song Guo and Minyi Guo},
journal= {arXiv preprint arXiv:1904.06187},
year = {2019}
}