Core Concepts
本研究では、交通流予測のための深層学習モデルMVC-STNetを提案する。このモデルは、チャンネル別のグラフ畳み込みネットワークを用いて入力特徴の影響の違いを捉え、局所的および大域的な空間依存性を学習するマルチビュー融合モジュールを備えている。また、時系列依存性をLSTMで学習し、外部要因も考慮している。
Abstract
本研究は、交通流予測のための深層学習モデルMVC-STNetを提案している。主な特徴は以下の通り:
チャンネル別のグラフ畳み込みネットワーク(CGCN)を用いて、交通流、車速、道路占有率などの入力特徴の影響の違いを適応的に学習する。
局所的および大域的な空間依存性を捉えるためのマルチビュー融合モジュールを導入する。
LSTMを用いて時系列依存性を学習し、さらに気象条件や休日などの外部要因も考慮する。
2つの実データセットでの評価実験の結果、提案手法が既存手法を大きく上回る性能を示した。
Stats
交通流と車速は負の相関がある
交通流と道路占有率は正の相関がある