STG2Seq：用于多步乘客需求预测的空间-时间图到序列模型
机器学习
2019-05-27 v1 人工智能
机器学习
摘要
多步乘客需求预测是按需车辆共享服务中的关键任务。然而，由于非线性和动态的时空依赖关系，跨多个时间 horizon 预测乘客需求通常具有挑战性。本工作中，我们提出基于图对全市范围多步乘客需求预测建模，并使用分层图卷积结构同时捕捉空间与时间相关性。我们的模型包含三部分：1）用于编码历史乘客需求的长时编码器；2）用于推导下一步预测以生成多步预测的短时编码器；3）基于注意力的输出模块，用于建模动态时间与通道维信息。在三个真实世界数据集上的实验表明，我们的模型持续优于许多基线方法与 SOTA 模型。
引用
@article{arxiv.1905.10069,
title = {STG2Seq: Spatial-temporal Graph to Sequence Model for Multi-step Passenger Demand Forecasting},
author = {Lei Bai and Lina Yao and Salil. S Kanhere and Xianzhi Wang and Quan. Z Sheng},
journal= {arXiv preprint arXiv:1905.10069},
year = {2019}
}
备注
7 pages