Red de Convolución Gráfica Espacio-Temporal Local-Global para la Predicción del Flujo de Tráfico
Autores: Zong, Xinlu; Chen, Zhen; Yu, Fan; Wei, Siwei
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Red de Convolución Gráfica Espacio-Temporal Local-Global para la Predicción del Flujo de Tráfico
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Pronóstico de tráfico
Características espacio-temporales
LGSTGCN
Red residual de atención de gráficos
Módulo T-GCN
Capa transformadora
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 37
Citaciones: Sin citaciones
El principal desafío de la predicción del tráfico es extraer características espacio-temporales dinámicas dentro de sistemas de tráfico intrincados. Este documento presenta un nuevo marco para la predicción del tráfico, llamado Red de Convolución de Grafos Espacio-Temporales Local-Global (LGSTGCN).
Descripción
El principal desafío de la predicción del tráfico es extraer características espacio-temporales dinámicas dentro de sistemas de tráfico intrincados. Este documento presenta un nuevo marco para la predicción del tráfico, llamado Red de Convolución de Grafos Espacio-Temporales Local-Global (LGSTGCN).