smdgcn: slstm-attention-based multi-head dynamic graph convolutional network para la predicción del flujo de tráfico
Autores: Zhang, Shiyuan; Ju, Yanni; Kong, Weishan; Qu, Hong; Huang, Liwei
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
smdgcn: slstm-attention-based multi-head dynamic graph convolutional network para la predicción del flujo de tráfico
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Predicción del flujo de tráfico
Sistemas de transporte inteligente
Dependencias espacio-temporales
Red Convolucional de Grafos Dinámicos Multi-Cabeza basada en sLSTM-Atención
Atención multi-cabeza consciente de la tendencia temporal
Dependencias espaciales dinámicas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 30
Citaciones: Sin citaciones
La predicción precisa del flujo de tráfico juega un papel vital en los sistemas de transporte inteligente, ayudando a los departamentos de gestión de tráfico a mantener un orden de tráfico estable, reducir la congestión del tráfico y mejorar la seguridad vial.
Descripción
La predicción precisa del flujo de tráfico juega un papel vital en los sistemas de transporte inteligente, ayudando a los departamentos de gestión de tráfico a mantener un orden de tráfico estable, reducir la congestión del tráfico y mejorar la seguridad vial.