基于图过程神经网络的城市道路拥堵时空预测  

Spatio-temporal prediction of urban road congestion based on graph process neural network

作　　者：王建龙 WANG Jianlong(Changjiang Spatial Information Technology Engineering Co.,Ltd.(Wuhan),Wuhan 430010,China)

机构地区：[1]长江空间信息技术工程有限公司(武汉),湖北武汉430010

出　　处：《测绘学报》2024年第8期1657-1657,共1页Acta Geodaetica et Cartographica Sinica

基　　金：国家自然基金面上项目(41871308);国家重点研发计划(2019YFE0106500)。

摘　　要：随着全球城市化范围的推进,城市规模不断扩张,城市人口数量不断攀升,交通拥堵问题日益显著,已经成为制约多个城市可持续发展的“大城市病”。近年来,人工智能,尤其是深度技术的快速发展,对城市交通预测研究产生巨大的推动,图神经网络、循环神经网络和注意力机制等深度学习模型已经在交通数据缺失补全、交通拥堵预测等问题中展示了巨大的潜力。

关 键 词：过程神经网络 循环神经网络 城市人口数量 时空预测 注意力机制 人工智能 数据缺失 交通预测 

分 类 号：P208[天文地球—地图制图学与地理信息工程]