Keskeiset käsitteet
ICST-DNET은 교통 확산, 시공간 상관관계의 해석 가능성, 다양한 시나리오에서의 교통 속도 변동 적응성을 고려하여 교통 속도 예측 성능을 향상시킨다.
Tiivistelmä
이 논문은 교통 속도 예측을 위한 새로운 아키텍처인 ICST-DNET을 제안한다. ICST-DNET은 다음 세 가지 모듈로 구성된다:
시공간 인과성 학습(STCL) 모듈: 이 모듈은 각 도로의 시간적 인과성과 도로 쌍의 공간적 인과성을 모델링하여 교통 확산을 포착한다.
인과 그래프 생성(CGG) 모듈: 이 모듈은 시간 인과성 행렬과 인과 그래프를 생성하여 교통 확산 과정의 해석 가능성을 높인다.
속도 변동 패턴 인식(SFPR) 모듈: 이 모듈은 시간 필터링 배열, 공간-시간 주의 메커니즘, 유사 주의 메커니즘을 사용하여 다양한 시나리오에서의 교통 속도 변동에 적응한다.
실험 결과는 ICST-DNET이 기존 방법들에 비해 예측 정확도, 인과성 설명 능력, 다양한 시나리오에 대한 적응성이 우수함을 보여준다.
Tilastot
교통 확산은 도로 간 직접적 및 간접적 영향을 통해 발생한다.
교통 속도는 시간에 따라 일정한 패턴의 변동을 보인다.
인접 도로의 교통 속도 변동 패턴이 유사하게 나타난다.
Lainaukset
"교통 속도 예측은 지능형 교통 시스템에 매우 중요하다."
"기존 방법들은 교통 확산, 해석 가능성, 다양한 시나리오에 대한 적응성 측면에서 한계가 있다."
"ICST-DNET은 이러한 한계를 극복하고 높은 예측 성능을 달성한다."