论文笔记:FDTI: Fine-grained Deep Traffic Inference with Roadnet-enriched Graph

2023 PKDD

1 intro

  • 一些交通预测下游任务对预测结果的粒度非常敏感,例如交通信号控制、拥堵发现和路径规划
    • 然而,现有的深度学习方法主要关注粗粒度的交通数据,而在细粒度设置下利用深度学习方法解决交通预测任务的研究仍未被探索
  • 在细粒度设置下,交通流量由交通信号决定
    • 先前的研究忽略了细粒度场景下节点之间显著的高度动态相关性,而是使用静态图/数据驱动图来聚合节点的知识
  • 但由于交通信号引起的高度动态相关性,空间邻居之间的交通流量并不相似
    • 细粒度交通数据表现为非平滑性,这在本文定义的空间-时间平均距离(STMAD)指标中得到了评估
    • 先前的方法在粗粒度平滑数据集上表现良好。然而,由于平滑性是图卷积网络(GCN)设计的本质特性,实验表明,现有方法在非平滑的细粒度数据上仍然进行平滑预测,这导致了较大的误差。

------>论文提出了一种名为**细粒度深度交通推断模型(FDTI)的方法**

是首个完成城市级细粒度交通预测的研究

2 问题定义

2.1 交通流动图

  • 将交通系统建模为一个交通流动图 G=(V,E)
    • V 是包含 N个交通流动的集合
      • 每个交通流动 vi 是具有相同运动方向 di∈{左转,直行,右转} 的车道集合。
    • E 是交通流动之间的连接集合
      • 每条有向边eij 表示从交通流动 vi到交通流动 vj的连接

2.2 交通状态

2.3 道路网络增强特征

2.4 问题定义

2.4.1 一步推断

2.4.2 Q步推断

3 模型

3.1 构建细粒度交通时空图(FTSTG)

(虚线不算FTSTG的边)

3.2 主要方法

4 实验

4.1 数据集

4.2 实验设计

4.3 结果

相关推荐
天树星智源5 天前
记忆该记「赔率跳变」:机器人长时程十连任务,事件记忆 88.0%,删掉失败记录只剩 1.7%
论文阅读·人工智能·机器人
XLYcmy5 天前
ASR 识别任务:两篇论文阅读分析与系统方案技术报告 当前报告的建议和改进方向
论文阅读·论文笔记·token·commit·asr·论文分享·tokenizer
XLYcmy7 天前
ASR 识别任务:两篇论文阅读分析与系统方案技术报告 当前报告不足
论文阅读·论文笔记·token·cuda·asr·论文分享·tokenizer
feasibility.8 天前
LeCun团队世界模型JEPA首登无人机:9K参数模型,零样本Sim-to-Real飞入100Hz闭环
论文阅读·嵌入式·无人机·具身智能·世界模型·杨立昆·jpea
XLYcmy8 天前
ASR识别任务两篇论文阅读分析与系统方案技术报告 上
论文阅读·ai·gpu·asr·论文分享·speechbrain·wespeaker
Zucker n9 天前
文献发现、课题组织与证据可追溯的论文阅读。
论文阅读·windows·ubuntu
西柚小萌新9 天前
【论文阅读】--可信LLM智能体的威胁与对策 综述
论文阅读
Rocky Ding*9 天前
【三年面试五年模拟】2026-11-05_月之暗面大模型算法岗一面、二面面经全解析
论文阅读·人工智能·深度学习·机器学习·aigc·强化学习·ai-native
Rocky Ding*11 天前
REPA-E技术深度解析:解冻 VAE 之后,扩散模型为什么需要选择梯度
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·repa-e
Rocky Ding*12 天前
【三年面试五年模拟】2026-11-01_字节跳动AI Agent全栈研发一面面经全解析
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·ai agent