【车流量预测论文】(2020)GMAN: A Graph Multi-Attention Network for Traffic Prediction-20201213

2024-04-11 11:19:04

GMAN:一种用于交通预测的图形多注意网络

GMAN: A Graph Multi-Attention Network for Traffic Prediction

论文参考代码Github：https://github.com/suu1994/GMAN

摘要

由于交通系统的复杂性和许多影响因素不断变化的性质，长期交通预测具有很大的挑战性。在本文中，我们关注时空因素，并提出一种图多注意网络(GMAN)预测道路网络图中不同位置的超前时间步长的交通状况。GMAN采用了一种编码器-解码器架构，其中编码器和解码器均由多个时空注意块组成，以模拟时空因素对交通状况的影响。 编码器对输入流量特征进行编码，解码器预测输出序列。在编码器和解码器之间，应用转换注意层来转换编码的流量特征，以生成未来时间步长的序列表示，作为解码器的输入。转换注意机制对历史时间步长和未来时间步长之间的直接关系进行建模，有助于缓解预测时间步长之间的误差传播问题。在两个实际交通预测任务(交通量预测和交通速度预测)上的实验结果表明了GMAN的优越性。特别是，在1小时前的预测中，GMAN的MAE测量值比最先进的方法提高了4%。

作者团队：厦门大学等

《GMAN: A Graph Multi-Attention Network for Traffic Prediction》

引用：Zheng, C., Fan, X., Wang, C., & Qi, J. (2020, April). Gman:

【车流量预测论文】(2020)GMAN: A Graph Multi-Attention Network for Traffic Prediction-20201213相关推荐

2020 AAAI-GMAN: A Graph Multi‐Attention Network for Traffic Prediction阅读笔记（翻译）
注明:本文仅是翻译了论文,主要目的方便日后温故
Dynamic Graph Convolutional Recurrent Network for Traffic Prediction Benchmark and Solution
Dynamic Graph Convolutional Recurrent Network for Traffic Prediction: Benchmark and Solution 1. 文章概述 ...
论文笔记：Adaptive Graph Spatial-Temporal Transformer Network for Traffic Flow Forecasting
论文地址挑战空间图中一个节点对另一个节点的影响可以跨越多个时间步,分别处理空间维度和时间维度数据的方法对直接建模跨时空效应可能是无效的.(在图形建模过程中需要考虑这种跨时空效应) 以前的工作通常使 ...
【论文阅读】Hierarchical Multi-modal Contextual Attention Network for Fake News Detection --- 虚假新闻检测，多模态
本博客系本人阅读该论文后根据自己理解所写,非逐句翻译,欲深入了解该论文,请参阅原文. 论文标题:Hierarchical Multi-modal Contextual Attention Networ ...
论文阅读：GMAN: A Graph Multi-Attention Network for Traffic Prediction
摘要: 在本文中,我们主要聚焦于时空因素,提出了一种图多重注意力网络(GMAN)去预测交通信息. GMAN采用了一种编码器解码器结构,同时编码器和解码器均由多个时空注意块组成,以模拟时空因素对交通状况 ...
GMAN: A Graph Multi-Attention Network for Traffic Prediction(2020AAAI)
由于交通系统的复杂性和许多影响因素的不断变化,长期交通预测具有很高的挑战性.本文重点研究了道路网络的时空因素,提出了一种图多注意网络(GMAN)来预测路网图上不同时间步长的交通状况.GMAN采用编码器 ...
论文笔记：FFA-Net Feature Fusion Attention Network for Single Image Dehazing
摘要作者提出了一种端到端的特征融合注意力网络(FFA-Net)来直接恢复无雾图像.FFA-Net架构由以下三个主要部分组成: (1)提出了一种新的特征注意(Feature Attention,FA) ...
【论文笔记】SPAN: Spatial Pyramid Attention Network for Image Manipulation Localization
SPAN: Spatial Pyramid Attention Network for Image Manipulation Localization 发布于ECCV2020 原文链接:https:/ ...
论文笔记--GMAN: A Graph Multi-Attention Network for Traffic Prediction
Summary 在交通预测问题上,作者针对时空因素提出了一种图多注意网络(GMAN)来预测道路网络图上不同位置的时间步长提前的交通状况.GMAN主要采用了编码解码的架构.编码器和解码器之间包含一个注意 ...

最新文章

热门文章