libcity 笔记:支持的模型

1 支持的模型

1.1 traffic_state_pred

HA历史平均值,将历史流量建模为季节性过程,然后使用前几个季节的加权平均值作为预测值。
VAR向量自回归
SVR支持向量回归
ARIMA
AutoEncoder
Seq2Seq采用基于门控循环单元的编码器-解码器框架,进行多步预测
FNN具有两个隐藏层和 L2 正则化的前馈神经网络
RNN

1.1.1 交通流量预测

ACFM

注意力人群流量机

Attentive Crowd Flow Machines, ACM Multimedia 2018
MSTGCN

降级版的ASTGCN,称为多组件时空图卷积网络,去掉了原模型的时空注意力机制

Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting AAAI 2019
ASTGCN
Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting AAAI 2019

基于注意力的时空图卷积网络

ST-ResNet

时空残差网络

Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction AAAI 2017
AGCRN

自适应图卷积循环网络,通过自适应模块增强传统图卷积,并组合成循环神经网络,以捕捉细粒度时空关联。

Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting Neurips 2020
Conv-GCN 

组合图卷积网络(GCN)与三维卷积神经网络(3D CNN)

Multi-graph convolutional network for short-term passenger flow forecasting in urban rail transit. IET Intell. Trans. Syst.14, 10 (2020)
STDN

时空动态网络(STDN)引入流门控机制以学习位置间的动态相似性

Revisiting Spatial-Temporal Similarity: A Deep Learning Framework for Traffic Prediction.  AAAI 2019
STSGCN

时空同步图卷积网络(STSGCN)

Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Network Data Forecasting. AAAI 2020
ToGCN

拓扑图卷积网络(ToGCN)

Topological Graph Convolutional Network-Based Urban Traffic Flow and Density Prediction. IEEE Trans. Intell. Transp. Syst.(2020)
Multi-STGCnet

含有三个作为时间组件的基于长短期记忆内存(LSTM)的模块和作为空间组件的三个用于提取目标站点空间关联的空间矩阵

Multi-STGCnet:A Graph Convolution Based Spatial-Temporal Framework for Subway PassengerFlow Forecasting IJCNN
ResLSTM

合并残差网络(ResNet),图卷积网络(GCN)和长短期记忆内存(LSTM)

Deep learning architecture for short-term passenger flow forecasting in urban rail transit. IEEE Trans. Intell. Transp. Syst.(2020)
CRANN

可解释的、基于注意力的神经网络

A  Spatio-Temporal  Spot-Forecasting Framework forUrban Traffic Prediction ARXIV 2020
DGCN
Dynamic Graph Convolution Network for Traffic Forecasting Based on Latent Network of Laplace Matrix Estimation. IEEE Trans. Intell. Transp. Syst.(2020)
DSAN

动态切换注意力网络

Preserving Dynamic Attention for Long-Term Spatial-Temporal Prediction kdd 2020
STNN
Spatio-Temporal Neural Networks for Space-Time Series Forecasting and Relations Discovery 2018

1.1.2 交通速度预测

DCRNN 
Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting ICLR 2018
STGCN
Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting IJCAI 2018
GWNET
Graph Wave Net for Deep Spatial-Temporal Graph Modeling IJCAI 2019
MTGNN
Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks. KDD 2020
TGCN
T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction. IEEE Trans. Intell. Transp. Syst.21, 9 (2020)
TGCLSTM
Traffic Graph Convolutional Recurrent Neural Network: A Deep Learning Frame work for Network-Scale Traffic Learning and Forecasting. IEEE Trans. Intell. Transp.Syst.21, 11 (2020),
ATDM
On the Inclusion of Spatial Information for Spatio-Temporal Neural Networks 2020
GMAN
GMAN:A Graph Multi-Attention Network for Traffic Prediction. AAAI 2020
GTS
 Discrete Graph Structure Learning forForecasting Multiple Time Series  2021
STAGGCN
Spa-tiotemporal Adaptive Gated Graph Convolution Network for Urban Traffic FlowForecasting. CIKM 2020
HGCN

结构化图卷积网络

Hierarchical Graph Convolution Networks for Traffic Forecasting. (2021)
ST-MGAT

时空多头图注意力机制网络,在图上直接建构卷积的同时,考虑邻居节点的特征和边权,生成新的节点表示

ST-MGAT:Spatial-Temporal Multi-Head Graph Attention Networks for Traffic Forecasting. In ICTAI 2020
DKFN

深度卡曼滤波网络

Graph Convolutional Networks with Kalman Filtering for Traffic Prediction SIGSPATIAL 2020
STTN
Spatial-temporal transformer networks for traffic flow forecasting

1.1.3 交通需求量预测

DMVSTNET
Deep Multi-View Spatial-Temporal Network for Taxi Demand Prediction AAAI 2018
STG2Seq
STG2Seq: Spatial-Temporal Graph to Sequence Model for Multi-step Passenger Demand Forecasting. IJCAI 2019
CCRNN
Coupled Layer-wise Graph Convolution for Transportation Demand Prediction AAAI 2021

1.1.4 OD预测

GEML
Origin-Destination Matrix Prediction via Graph Convolution: a New Perspective of Passenger Demand Modeling KDD 2019
CSTN
Contextualized Spatial-Temporal Network for Taxi Origin-Destination Demand Prediction. In IEEE Transactions on Intelligent Transportation Systems. 2019

1.1.5 交通事故预测

GSNet
GSNet: Learning Spatial-Temporal Correlations from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting AAAI 2021

1.2 traj_loc_pred

1.2.1 轨迹下一跳预测

FPMC

经典下一跳预测基线模型

Factorizing personalized Markov chains for next-basket recommendation. In WWW ACM 2010
ST-RNN

聚焦于在RNN隐藏层引入时空转移特性

Predicting the Next Location: A Recurrent Model with Spatial and Temporal Contexts AAAI 2016
ATST-LSTM

将轨迹点间的时间与距离差引入LSTM,并使用注意力机制

An attention-based spatiotemporal lstm network for next poi recommendation. IEEE Transactions on Services Computing(2019)
SERM

在网络中引入轨迹的语义信息。SERM 模型依赖于 Glove 预训练语料库。

因此在使用该模型前,从Standard Dataset in LibCity - Google 云端硬盘下载了 serm_glove_word_vec.zip 并将其解压至 raw_data 目录下

DeepMove

混合历史和当前的轨迹进行预测,在这方面第一次采用注意力机制

DeepMove: Predicting Human Mobility with Attentional Recurrent Networks. In WWW. ACM 2018
HST-LSTM

将时空转移因子引入LSTM,并采用编码器-解码器架构进行预测

HST-LSTM: A Hierarchical Spatial-Temporal Long-Short Term Memory Network for Location Prediction. In IJCAI 2018
LSTPM

使用两个特别设计的LSTM捕捉用户长短期移动偏好,以联合二者预测下一位置

 Where to Go Next: Modeling Long- and Short-Term User Preferences for Point-of-Interest Recommendation AAAI 2018
GeoSAN
Geography-Aware Sequential Location Recommendation KDD 2020
STAN
STAN: Spatio-Temporal Attention Network for Next Location Recommendation 2021
CARA
 A Contextual Attention Recurrent Architecture for Context-Aware Venue Recommendation. In SIGIR 2018

1.3 ETA

DeepTTE

端到端的深度学习模型,直接预测整条路经所需的旅行时间;提出了地理卷积操作,通过将地理信息整合到传统的卷积中,用来捕捉空间相关性

When Will You Arrive? Estimating Travel Time Based on Deep Neural Networks AAAI 2018

TTPNet

基于张量分解和图接入,可以从历史轨迹有效捕捉旅行速度和路网表征,以及可以更好地预测旅行时间

TTPNet: A Neural Network for Travel Time Prediction Based on Tensor Decomposition and Graph Embedding TKDE 2020

 1.4   map_matching

ST-Matching
Map-Matching for low-sampling-rate GPS trajectories. In: Proc. of the ACM-GIS.  2009
IVMM
An interactive-voting based map matching algorithm. In: Proc. of the MDM. 2010
HMMM
Hidden Markov map matching through noise and sparseness. In: Proc. of the ACM-GIS. 2009

1.5 road_representation

ChebConv

使用基于切比雪夫多项式近似的图卷积模型计算路网表征

Convolutional neural networks on graphs with fast localized spectral filtering NIPS 2016
LINE

适合大规模图结构的图嵌入模型,同时考虑一阶和二阶近似

Line: Large-scale information network embedding WWW 2015
GeomGCN

几何图神经网络

Geom-gcn: Geometric graph convolutional networks 2020
DeepWalk

将随机游走(random walk)和Word2Vec两种算法相结合的图结构数据挖掘算法

Deepwalk: Online learning of social representations KDD 2014
Node2Vec
node2vec: Scalable feature learning for networks KDD 2016
GAT图注意力网络

参考内容:复现模型列表 — Bigscity-LibCity 文档 (bigscity-libcity-docs.readthedocs.io)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/8267.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++奇迹之旅:string类对象的修改操作

文章目录 📝string类的常用接口🌠 string类对象的修改操作🌉push_back🌉append🌉operator🌉insert🌉erase🌉replace🌉 find🌉 c_str 🌠测试string…

大数据时代,如何准确查询并解读大数据信用报告?

在互联网时代,个人信息的安全和隐私保护愈发受到人们的关注。随着大数据技术的不断发展,越来越多的人开始关心自己的大数据报告。那么,如何找一个靠谱的地方查询个人大数据报告呢?本文将为您详细解答。 一、先了解大数据报告的含义 首先&…

四、 现行数据出境制度下的三条合规路径是什么?如何判断?

综合《网络安全法》《数据安全法》以及《个人信息保护法》这三大数据合规基本法律要求来看,企业开展数据出境活动时,应结合自身的主体类型、出境数据类型和数量,综合判断是否须要额外(1)申报并通过数据出境安全评估&am…

ASIL详解

概念 随着汽车新四化的发展,整车E/E系统的复杂性也不断增加,功能安全正成为一种更主流的要求。汽车安全完整性等级(ASIL)分解为实现更高水平的诊断覆盖度提供了可靠而稳健的途径,并在开发具有更高ASIL等级的安全关键系…

HDMI2.0一分四的方案 推荐使用教程如下:

符合HDMI2.0b和HDCP2.2标准 向后兼容HDMI1.4、HDCP1.X标准 支持RGB和YCbCr 444/422/420格式 支持CSC(颜色空间转换)矩阵和420/422/444转换(1:1; 1:2;2:1) 在传统显示器上,支持4:1向下缩放4K…

基于卷积神经网络的信号解卷积(简单版,MATLAB)

简单演示一下基于卷积神经网络的信号解卷积,有个大致印象即可。 构造卷积滤波器 r 0.9; % Define filter om 0.95; a [1 -2*r*cos(om) r^2]; b [1 r*cos(om)]; h filter(b, a, [zeros(1,38) 1 zeros(1,40)]); N 500; K 25; sigma 1; 绘制输入信号分量 s…

LabelImg下载及目标检测数据标注

为什么这一部分内容这么少会单独拎出来呢,因为后期会接着介绍YOLOv8中的其他任务,会使用其他软件进行标注,所以就单独区分开来每一个任务的标注方式了。 这一部分就介绍目标检测任务的标注,数据集是我从COCO2017Val中抽出来两类&a…

【Nginx】the “listen ... http2“ directive is deprecated

今天安装了 1.26.0 版本的Nginx,执行nginx -t命令时报了如下错误: nginx: [warn] the "listen ... http2" directive is deprecated, use the "http2" directive instead报这个错误的原因是,Nginx 自从 1.25 版本后&…

移动端自动化测试工具 Appium 之元素操作小技巧

文章目录 一、背景二、TestNG常用注解三、实战3.1、集成启动类3.2、采用xpath定位元素3.3、编写通用判断类3.4、编写测试类3.5、遍历实现 四、总结 一、背景 appium自动化工作中,元素操作最常用的就是Id/xpath,因为【appium1.5.0后,不支持使…

解决在Outlook中预定Teams会议不显示入会链接的问题

今天遇到一个很蛋疼的teams问题,花了点时间才解决。本来以为是很简单的问题,随便网上冲浪一下就能找到答案的,结果根本就没有好的解决方案,所以我分享出来希望后来的老哥少走点弯路。 问题描述 简单来说,就是在Outlo…

IST——In-System-Test

1、背景 安全性是自动驾驶平台的关键特性之一,而这些架构中使用的半导体芯片必须保证ISO 26262标准所要求的功能安全方面。为了监控由于现场缺陷导致的故障,在启动和/或关闭期间会自动运行系统内结构测试。当系统内测试(IST,In-Sy…

【声明ACL权限】

声明ACL权限 当应用在申请权限来访问必要的资源时,发现部分权限的等级比应用APL等级高,开发者可以选择通过ACL方式来解决等级不匹配的问题。 举例说明,如果应用需要使用全局悬浮窗,需要申请 ohos.permission.SYSTEM_FLOAT_WINDO…

探索Python的魔力:构建一个简单的网页爬虫

在当今数字化时代,数据无处不在。Python,作为一门强大且易于学习的编程语言,为我们提供了从互联网上抓取数据的利器。本文将向您展示如何使用Python构建一个简单的网页爬虫,帮助您快速获取所需信息。 为什么选择Python进行网页爬…

shell脚本脚本变量

shell脚本的概念: 1.讲要执行的命令按顺序保存到一个文本文件 2.给文件可执行权限 3.可以结合各种shell控制语句以完成更复杂的操作 linux中包含shell的文件有 [rootlocalhost ~]# cat /etc/shells /bin/sh #UNIX最初使用的 shell,已经被…

Temu、阿里国际站、TikTok的“速度战役”

事实上,经过多年的发展,电商早已深入到了人们的日常生活中,消费者也越来越习惯网上购物了。伴随着消费者网购需求的攀升,电商行业也跑出了诸多企业,时至今日,新老玩家在电商领域的“角力”仍在持续进行中。…

正点原子i.MX 93开发板,双核A55+M33+NPU,双路RS485FDCAN千兆网,异核/AI/工业开发!

正点原子i.MX 93开发板新品上市!双核A55M33NPU,双路RS485&FDCAN&千兆网,异核/AI/工业开发! NXP的i.MX系列是一系列面向多媒体和工业应用的ARM架构微处理器。从i.MX6U到i.MX93,这一系列经历了显著的发展&#x…

Vue框架学习记录

概览 前置知识 准备工作 安装环境准备 #安装node.js #安装npm #安装vue cli基于脚手架创建前端工程 方式一 #创建一个保存vue项目的目录,如vue_project #在vue_project下进入cmd vue create vue-demo-1方式二 #在cmd下输入 vue ui选择vue2#成功之后的界面#打开…

WebAssembly(Wasm)

WebAssembly (Wasm) 是一种在现代Web浏览器中运行的二进制指令格式。它被设计为一种可移植、可执行的代码格式,可以在现代Web浏览器中安全、快速地运行。Wasm 最初是为了解决JavaScript 在某些领域(如3D图形、物理模拟、视频处理等)性能不足的…

[oeasy]python0015_键盘改造_将esc和capslock对调_hjkl_移动_双手正位

键盘改造 &#x1f94b; 回忆上次内容 上次练习了复制粘贴 按键 作用 <kbd>y</kbd><kbd>y</kbd> 复制光标行代码 到剪贴板 <kbd>p</kbd> 粘贴剪贴板中的内容 <kbd>i</kbd> 切换到 插入模式 <kbd>h</kbd>…

DC-DC电路中电感的下方该不该挖空

DC-DC电路中的电感下方该不该挖空&#xff1f; 在回答这个问题之前&#xff0c;先来了解一下DC-DC电路中常见的功率电感类型 一&#xff0e;DC-DC电路常用功率电感类型 图1 DC-DC电路常用电感类型 这四种类型电感&#xff0c;按照无屏蔽电感→磁封胶半屏蔽电感→组装式全屏蔽…