【摘 要】
：
现代化发展中城市的扩张与人口的增长使得相关的交通问题愈发严重,尤其是道路利用率低下和交通堵塞的问题。交通流预测旨在根据城市交通网络中的路网结构和历史交通流数据等信息对未来时刻的交通状态进行预测,有利于广大用户提前做好出行规划和政府合理规划城市交通,是目前解决上述交通问题的重要手段之一。然而,交通信息中存在由复杂的道路网络和动态的交通条件所带来的复杂时空依赖性,且时空特征之间相互关联和相互影响。因此
论文部分内容阅读
现代化发展中城市的扩张与人口的增长使得相关的交通问题愈发严重,尤其是道路利用率低下和交通堵塞的问题。交通流预测旨在根据城市交通网络中的路网结构和历史交通流数据等信息对未来时刻的交通状态进行预测,有利于广大用户提前做好出行规划和政府合理规划城市交通,是目前解决上述交通问题的重要手段之一。然而,交通信息中存在由复杂的道路网络和动态的交通条件所带来的复杂时空依赖性,且时空特征之间相互关联和相互影响。因此,如何对动态的海量交通数据进行处理且做出合理准确的预测,在智能交通领域依旧充满挑战性。目前,降低预测误差仍然是交通流预测中关注的重点,现有的方法在建模时空依赖性时,要么过于依赖于先验知识,要么过于依赖于数据本身,很少有研究人员将两者结合考虑。基于此,本文提出了基于先验知识和数据驱动的交通流预测时空网络模型,主要内容及贡献如下:（1）针对交通流中的时空依赖性,本文提出了一种基于先验知识和数据驱动的用于交通流预测的时空图卷积网络KDSTGCN。在空间依赖层,路网结构作为一种先验知识被用于构建空间邻居图;同时,从时间序列的短期和长期考虑,通过相似性函数获取道路本身的关联性,从而构建道路之间的语义邻居图;然后将空间邻居图和语义邻居图输入至GCN中,以获取道路之间的空间依赖性。在时间依赖层,基于时间传递性依赖的先验知识构建了时间趋势模块用以获取交通流的时间传递性;并通过数据驱动的方式直接对时间序列进行隐式建模,以获得时间点对之间的隐式依赖关系。在两个不同地区的真实数据集上进行了实验,结果显示KDSTGCN预测效果优于其他基准方法。（2）在KDSTGCN的基础上,提出了改进的长短期融合网络交通流预测算法ILSFN。该网络通过“相似性传递”扩大了语义图连边的范围,从而捕获可能被忽略但具有积极作用的较弱节点之间的“弱影响”。同时,为了避免引入更多连边带来的副作用并充分发挥节点之间的“弱影响”,使用了一种自注意力机制以自适应地调整节点之间的权重。“语义增强图”为引入“相似性传递”概念之后构建的语义图,本文将短期语义增强图以及长期语义增强图输入至短期时空依赖层以及长期时空依赖层以分别捕获交通流中的周期模式以及突变模式,并通过二元融合机制动态交叉地学习时间依赖关系。结果表明,使用长短期融合的预测策略可以在KDSTGCN的基础上将预测准确度进一步提高。
其他文献
随着社交媒体平台的不断繁荣,社交网络已成为公众生成及传播信息的重要渠道,相关研究受到国内外学者广泛关注。其中,热度预测是社交网络信息传播的热点话题,在舆情跟踪、虚假新闻检测等方面具有重要应用价值。近年来,基于深度学习的端到端信息传播热度预测方法,因其强大的特征提取能力,越来越受到关注。目前大多数方法都显式或隐含地将观察期内的传播规模作为一个关键特征,然而,当观察期较短时,热门和非热门消息的早期传播
如今,互联网模因（Internet Memes）在Twitter和Facebook等社交媒体平台上广泛传播。互联网模因通过图像结合文本的形式呈现,给人们交流和分享提供了新的方式。互联网模因分类旨在识别一个模因表达的情绪和意图。通过对互联网模因挖掘分析,可以进行情绪分析和舆情挖掘,并且可以在一定程度上避免网络暴力行为的发生,有助于营造和谐、稳定的网络环境。互联网模因具备多模态特点,现有互联网模因分类
随着近年来无人机的自主性和灵活性得到了很大程度的提高,无人机已经是一种重要的飞行设备并被广泛的研究和应用。然而由于无人机执行飞行任务时输入的地图不够精确所带来的环境不确定性,以及外界环境的干扰或是自身模型的不确定性带来的控制扰动,使得对无人机自主飞行能力提出了更高的要求。强化学习作为当今热门的一种机器学习的研究领域,为无人机的在具有环境不确定性和干扰的情况下进行路径规划和控制提供了新的解决方案。本
目标跟踪研究作为计算机视觉领域的重要分支在现实中的应用十分广泛,伴随着应用需求的增广,目标跟踪技术也从单模态拓展至多模态,即利用多传感器协同跟踪目标。热红外模态凭借其稳定、应用广的特点成为多模态跟踪的热门选择,RGB-T跟踪是利用可见光（RGB模态）和热红外（T模态）成像的独特优势,在面对光照影响、天气干扰、成像能力限制等问题时进行鲁棒的目标跟踪。目前成对的多模态数据规模有限,且跟踪场景具有一定的
管道运输是天然气运输的主要方式。天然气管道在运输过程中,因管道腐蚀老化、第三方损害等引起管道泄漏将导致巨大的人员伤亡和经济损失。为更好地监测天然气管道运行状态,充分利用SCADA（Supervisory Control And Data Acquisition,数据采集与监视控制）系统中蕴含的大量管道运行状态数据,对天然气管道运行过程中泄漏状态进行检测,能够更好的辅助工程人员综合全面地了解管道的运
随着物联网技术的持续发展,卷积神经网络的边缘端部署逐渐成为了新的技术发展趋势。如何在存算资源受限的边端实现高效的神经网络部署,也成为了目前学术界与工业界研究的热点。深度可分离卷积技术能在保证计算精确度的同时,有效降低网络模型复杂度,能满足边端网络部署轻量化和准确率的需求。研究面向深度可分离卷积神经网络（Depthwise Separable Convolutional Neural Network
由于互联网的快速普及,越来越多的网络用户在互联网上发表自己的观点评论,这些观点评论中包含了大量的情感信息,利用这些情感信息可以有效的促进社会的经济发展,维护社会的稳定。因此,文本的细粒度情感分析逐渐成为自然语言处理的热点问题。本文主要针对基于方面类别的情感分析任务（ACSA）展开研究,提出了基于多示例学习的方面情感联合分析模型（ACSA-MIJLN）和基于双注意力的联合方面情感分类模型（AS-DA
近来,目标跟踪技术应用愈发广泛,尤其是在许多工业应用中起着不可替代的作用。为了适应复杂多变的跟踪环境,热红外摄像机也被运用到视频图像采集中。热红外图像可以补充解决可见光下的光照条件敏感问题,可见光图像又可以助力解决热红外图像中的热交叉问题。可见光摄像机采集RGB数据,热红外摄像机采集T数据,这两种模态数据提供了强大的互补信息,将“RGB+T”数据联合完成跟踪,从数据的角度来说也被称为RGB-T跟踪
随着科学技术的发展,互联网的崛起为人们带来了方便快捷的实时通讯,非结构化形式的网络文本数据呈指数级别增长。信息来源不同、用户用语习惯不同导致文本数据多变且无特定规则,这阻碍了计算机理解文本含义以及分析出精准有效的信息。实体链接就是解决这一问题的关键任务。作为自然语言处理领域的基础性工作,实体链接旨在将文本中有歧义的实体指称项映射到给定的大型知识库中从而消除实体指称项的歧义。本文通过调研实体链接国内
在日常生活中,优化问题无处不在。科学技术的迅速发展逐步加剧了生活中实际面临优化问题的复杂度。对于求解复杂的优化问题,群智能优化算法有着效率高、适应性广的优势。粒子群优化（Particle swarm optimization,PSO）算法是一种常用的智能优化算法,它具有参数少、收敛速度快、易于编程等优点,将PSO算法应用在实际问题中,能够获得良好的性能。但由于存在过早收敛和全局搜索能力的薄弱的缺点