用于出行成本预测的循环多图神经网络
机器学习
2018-11-14 v1 机器学习
摘要
起讫点（OD）矩阵常用于城市规划，其中城市被划分为区域，OD 矩阵中的元素 (i, j) 记录了从区域 i 到区域 j 的成本（如出行时间、燃料消耗或出行速度）。在本文中，我们将一天划分为多个区间，例如 96 个 15 分钟区间，每个区间关联一个表示该区间内成本的 OD 矩阵；并且我们考虑稀疏且随机的 OD 矩阵，其中元素表示随机而非确定性的成本，且由于两区域间缺乏数据，某些元素缺失。我们解决稀疏、随机 OD 矩阵预测问题。给定一系列稀疏的历史 OD 矩阵，我们的目标是预测未来无空元素的 OD 矩阵。我们提出了一个通用学习框架，通过矩阵分解与两个图卷积神经网络处理稀疏矩阵，并通过循环神经网络捕捉时间动态，从而解决问题。使用来自不同国家的两个出租车数据集的实证研究验证了所提框架的有效性。
引用
@article{arxiv.1811.05157,
title = {Recurrent Multi-Graph Neural Networks for Travel Cost Prediction},
author = {Jilin Hu and Chenjuan Guo and Bin Yang and Christian S. Jensen and Lu Chen},
journal= {arXiv preprint arXiv:1811.05157},
year = {2018}
}