STM-Graph：用于时空映射与图神经网络预测的 Python 框架
机器学习
2025-09-16 v1 人工智能
摘要
城市时空数据由于其动态和复杂的特性，给预测分析带来了独特的挑战。我们引入了 STM-Graph，这是一个开源的 Python 框架，可将原始的城市时空事件数据转换为适合图神经网络（GNN）训练和预测的图表示。STM-Graph 集成了多种空间映射方法、来自 OpenStreetMap 的城市特征、多个 GNN 模型、全面的可视化工具以及适合专业和非专业用户的图形用户界面（GUI）。这一模块化且可扩展的框架促进了快速实验和基准测试。它允许集成新的映射方法和自定义模型，使其成为城市计算领域研究人员和从业者的宝贵资源。该框架和 GUI 的源代码可在 https://github.com/Ahghaffari/stm_graph 和 https://github.com/tuminguyen/stm_graph_gui 获取。
引用
@article{arxiv.2509.10528,
title = {STM-Graph: A Python Framework for Spatio-Temporal Mapping and Graph Neural Network Predictions},
author = {Amirhossein Ghaffari and Huong Nguyen and Lauri Lovén and Ekaterina Gilman},
journal= {arXiv preprint arXiv:2509.10528},
year = {2025}
}
备注
Accepted manuscript (CC BY 4.0). To appear in ACM CIKM 2025, Seoul, Nov 10-14, 2025. DOI: 10.1145/3746252.3761645. The Version of Record will be uploaded when available