图卷积网络(GCN)因为具备出色的捕捉站点或区域之间非欧式空间依赖性的能力,已广泛应用于交通需求预测。然而在大多数现有研究中,图卷积是在基于先验知识生成的邻接矩阵上实现的,这样的邻接矩阵既不能准确反映站点的实际空间关系,也不能自适应地捕捉需求的多层级空间依赖性。为解决上述问题,这篇论文提出了一种新颖的图卷积网络进行交通需求预测。首先,文章中提出了一种新的图卷积架构,该图卷积架构在不同的层具有不同的邻接矩阵,并且所有的邻接矩阵在训练过程中都是可以自学习的。其次,文中提出了一种分层耦合机制,该机制将上层邻接矩阵与下层邻接矩阵关联起来。它还减少了模型中参数的规模。最后,构建了一个端到端的网络,通过将隐藏的空间状态与门控循环单元集成在一起,给出最终的预测结果,该单元可以同时捕获多级空间相关性和时间动态。论文提出的模型在两个真实世界的数据集NYC Citi Bike和NYC Taxi上进行了实验,结果证明了该模型的优越性能。

https://www.zhuanzhi.ai/paper/3996bc72f87617093a55530269f6fdd8

成为VIP会员查看完整内容
42

相关内容

图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
【AAAI2021】时间关系建模与自监督的动作分割
专知会员服务
36+阅读 · 2021年1月24日
【AAAI2021】Graph Diffusion Network提升交通流量预测精度
专知会员服务
51+阅读 · 2021年1月21日
AAAI2021 | DTGRM:具有自监督时间关系建模的动作分割
专知会员服务
14+阅读 · 2020年12月29日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
专知会员服务
101+阅读 · 2020年12月22日
专知会员服务
106+阅读 · 2020年12月21日
专知会员服务
44+阅读 · 2020年12月20日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
AAAI 2020 | 北大:图卷积中的多阶段自监督学习算法
AI科技评论
8+阅读 · 2020年1月12日
一文读懂图卷积GCN
计算机视觉life
21+阅读 · 2019年12月21日
基于图卷积(GCN)和规则卷积(CNN)的情绪识别
CoCoNet: A Collaborative Convolutional Network
Arxiv
6+阅读 · 2019年1月28日
VIP会员
相关VIP内容
【WWW2021】自监督学习上下文嵌入的异构网络链接预测
专知会员服务
39+阅读 · 2021年2月10日
【AAAI2021】时间关系建模与自监督的动作分割
专知会员服务
36+阅读 · 2021年1月24日
【AAAI2021】Graph Diffusion Network提升交通流量预测精度
专知会员服务
51+阅读 · 2021年1月21日
AAAI2021 | DTGRM:具有自监督时间关系建模的动作分割
专知会员服务
14+阅读 · 2020年12月29日
【AAAI2021】记忆门控循环网络
专知会员服务
47+阅读 · 2020年12月28日
专知会员服务
101+阅读 · 2020年12月22日
专知会员服务
106+阅读 · 2020年12月21日
专知会员服务
44+阅读 · 2020年12月20日
【AAAI2021】 层次图胶囊网络
专知会员服务
80+阅读 · 2020年12月18日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
59+阅读 · 2020年12月3日
微信扫码咨询专知VIP会员