期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于时空融合图卷积的交通流数据修复方法
被引量：
9
1
作者
侯越
韩成艳
+1 位作者
郑鑫
邓志远
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第7期1394-1403,共10页
为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位...
为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系.利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度.利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型.实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.
展开更多
关键词
交通
工程
时空融合
交通流数据修复
图卷积网络
一维卷积
在线阅读
下载PDF
职称材料
基于自注意力机制与图自编码器的路网交通流数据修复模型
被引量：
10
2
作者
张伟斌
张蒲璘
+1 位作者
苏子毅
孙锋
《交通运输系统工程与信息》
EI
CSCD
北大核心
2021年第4期90-98,共9页
针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使...
针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用LSTM(Long Short-Term Memory)网络学习数据中时序规律,通过注意力网络计算道路自注意力及一阶临近道路注意力系数,用图卷积网络对图信号重组,达到对缺失数据的精确修复。同时,采用多头自注意力网络计算数据的注意力权值并对数据重组,捕获交通流数据中的二阶及高阶临近道路空间关联性,提取已知数据与缺失数据的时间关系,以残差链的形式加入到模型中,作为对STGCN功能的补充。基于真实数据的实验表明,在多种缺失模式和缺失率下,该模型能够学习路网拓扑关系,捕获数据中的时间规律性和时空关联性,有效地修复缺失数据。
展开更多
关键词
智能
交通
交通流数据修复
图卷积网络
城市路网
交通
流
数据
自注意力机制
在线阅读
下载PDF
职称材料
题名
基于时空融合图卷积的交通流数据修复方法
被引量：
9
1
作者
侯越
韩成艳
郑鑫
邓志远
机构
兰州交通大学电子与信息工程学院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第7期1394-1403,共10页
基金
国家自然科学基金资助项目(62063014)
甘肃省自然基金资助项目(20JR5RA407)
+1 种基金
甘肃省教育科技创新项目(2021CYZC-04)
兰州交通大学“百名青年优秀人才培养计划”基金资助项目(1520220227).
文摘
为了解决现有时空相关修复法挖掘交通流特性不充分的问题,提出基于时空融合图卷积网络的缺失数据修复方法.该方法在分析交通流时空特性的基础上,采用2类函数分别计算交通流数据的时间自相关系数和空间关联度系数.将交通检测器的部署位置作为节点构成几何拓扑图,通过线性融合规则构建时空融合矩阵,替代图卷积输入层的邻接矩阵,捕获交通流细粒化的时空关系.利用轻量级一维卷积层学习多通道时序向量的时间特征,加快模型的收敛速度.利用图卷积层学习交通流数据的空间特征,构建时空融合图卷积网络修复模型.实验结果表明,与其他修复方法相比,该方法在多检测器场景中的修复精度和模型收敛速度均有所提升,可以有效地修复交通流缺失数据.
关键词
交通
工程
时空融合
交通流数据修复
图卷积网络
一维卷积
Keywords
traffic engineering
spatio-temporal fusion
traffic flow data repair
graph convolutional network
one-dimensional convolution
分类号
U491 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于自注意力机制与图自编码器的路网交通流数据修复模型
被引量：
10
2
作者
张伟斌
张蒲璘
苏子毅
孙锋
机构
南京理工大学电子工程与光电技术学院
南京理工大学计算机科学与工程学院
山东理工大学交通与车辆工程学院
出处
《交通运输系统工程与信息》
EI
CSCD
北大核心
2021年第4期90-98,共9页
基金
国家自然科学基金(71971116)。
文摘
针对城市交通流数据修复问题,提出一种基于图卷积网络和多头自注意力机制的自注意力图自编码器模型。该模型包括基于拓扑图结构和图信号捕获交通流时空关联性的STGCN(Spatial-temporal Graph Convolutional Networks)网络。在该网络中使用LSTM(Long Short-Term Memory)网络学习数据中时序规律,通过注意力网络计算道路自注意力及一阶临近道路注意力系数,用图卷积网络对图信号重组,达到对缺失数据的精确修复。同时,采用多头自注意力网络计算数据的注意力权值并对数据重组,捕获交通流数据中的二阶及高阶临近道路空间关联性,提取已知数据与缺失数据的时间关系,以残差链的形式加入到模型中,作为对STGCN功能的补充。基于真实数据的实验表明,在多种缺失模式和缺失率下,该模型能够学习路网拓扑关系,捕获数据中的时间规律性和时空关联性,有效地修复缺失数据。
关键词
智能
交通
交通流数据修复
图卷积网络
城市路网
交通
流
数据
自注意力机制
Keywords
intelligent transportation
traffic flow data imputation
graph convolutional network
urban road network traffic flow data
self-attention mechanism
分类号
U491 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于时空融合图卷积的交通流数据修复方法
侯越
韩成艳
郑鑫
邓志远
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
9
在线阅读
下载PDF
职称材料
2
基于自注意力机制与图自编码器的路网交通流数据修复模型
张伟斌
张蒲璘
苏子毅
孙锋
《交通运输系统工程与信息》
EI
CSCD
北大核心
2021
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
