面向城市地铁客流预测的时空动态图关系学习
机器学习
2022-04-07 v1 人工智能
摘要
城市地铁客流预测对地铁运营调度、客流管理以及个人出行规划具有重要价值。然而，它面临两个主要挑战。首先，不同的地铁站点（例如换乘站和非换乘站）具有独特的交通模式。其次，对地铁站点间复杂的时空动态关系进行建模具有挑战性。为应对这些挑战，我们提出了一种时空动态图关系学习模型（STDGRL）来预测城市地铁站点客流。首先，我们提出一个时空节点嵌入表示模块以捕捉不同站点的交通模式。其次，我们采用动态图关系学习模块，在无预定义图邻接矩阵的情况下学习地铁站点间的动态空间关系。最后，我们提供一个基于 transformer 的长期关系预测模块用于长期地铁客流预测。我们基于北京、上海、重庆和杭州的地铁数据进行了大量实验。实验结果表明，我们的方法相对于11个基线模型在城市地铁客流预测上具有优势。
引用
@article{arxiv.2204.02650,
title = {Spatio-Temporal Dynamic Graph Relation Learning for Urban Metro Flow Prediction},
author = {Peng Xie and Minbo Ma and Tianrui Li and Shenggong Ji and Shengdong Du and Zeng Yu and Junbo Zhang},
journal= {arXiv preprint arXiv:2204.02650},
year = {2022}
}