arXiv cs.LG· Ran Tu, Zihao Li, Arash Mirzaei·· 15 天前AI 评分25
基于探测车监督图卷积循环网络从稀疏固定传感器实现全网高速公路车速临近预报与预测
Network-Wide Freeway Speed Nowcasting and Forecasting from Sparse Fixed Sensors with a Probe-Supervised Graph Convolutional Recurrent Network
AI 导读
研究人员提出图卷积循环网络 GCRN+，通过仅占 15.6% 的固定传感器和历史探测车数据监督，联合实现全网高速路段的即时车速推算与下一小时预测。在达拉斯-沃斯堡区域 4,127 个路段的测试中，该模型在无传感器路段上的当前小时与下一小时 RMSE 分别达 2.21 mph 和 2.39 mph，优于历史均值与现有基线。
来源：arXiv cs.LG · arxiv.org