Core Concepts
자유로운 교통 수요 예측을 위한 유연한 노드를 사용한 그래프 구성 방법 소개
Abstract
이 연구는 자유로운 교통 수요 예측을 위해 새로운 그래프 구성 방법을 제안하고, HDPC-L 밀도 기반 계층적 클러스터링 알고리즘을 도입하여 계산 효율성을 향상시키고 그래프 구조를 더욱 일관되게 만듭니다. 또한, 원-도착지(OD) 교통 정보를 추출하여 엣지 가중치를 초기화하고 그래프 구조를 단순화합니다. 실험 결과, 모델의 성능이 크게 향상되었으며, 평균적으로 정확도가 약 24.96% 및 19.46% 향상되었고, 훈련 시간은 각각 약 12.05% 및 32.40% 감소했습니다.
INTRODUCTION
새로운 교통 수요 예측을 위한 그래프 구성 방법 소개
HDPC-L 밀도 기반 계층적 클러스터링 알고리즘 도입
METHODOLOGY
공간 분할 및 매핑
HDPC-L 계층적 클러스터링
그래프 신경망 향상
EXPERIMENTAL RESULTS
HDPC-L 방법을 사용한 그래프 구성 결과
기준 모델의 성능 향상 결과
Stats
우리의 방법은 평균적으로 정확도를 약 24.96% 및 19.46% 향상시켰습니다.
훈련 시간은 각각 약 12.05% 및 32.40% 감소했습니다.
Quotes
"우리의 방법은 자유로운 교통 수요 예측을 위한 유연한 노드를 사용한 그래프 구성 방법을 제안합니다."
"HDPC-L 밀도 기반 계층적 클러스터링 알고리즘은 계산 효율성을 향상시키고 그래프 구조를 더욱 일관되게 만듭니다."