ハイブリッド空間-時間グラフ畳み込みネットワーク

交通予測は、オンラインナビゲーションサービス、ライドシェアリング、スマートシティプロジェクトの普及により、最近ますます注目を集めています。道路交通の非定常的な特性のため、予測精度は文脈情報の欠如によって根本的に制限されます。この問題に対処するために、我々は今後の交通量のデータを活用して未来の移動時間を「推定」できるハイブリッド空間-時間グラフ畳み込みネットワーク（H-STGCN）を提案します。具体的には、オンラインナビゲーションエンジンから今後の交通量を取得するアルゴリズムを提案します。区間線形の流量-密度関係を利用し、新しいトランスフォーマー構造が今後の交通量を移動時間に変換します。この信号を一般的に使用される移動時間信号と組み合わせ、グラフ畳み込みを適用して空間的依存性を捉えます。特に、交通の近接性を反映した複合隣接行列を構築します。我々は実世界のデータセット上で広範な実験を行います。結果は、H-STGCNが様々な指標において最先端の手法を驚異的に上回ることを示しており、特に再発しない渋滞の予測においてその効果が顕著です。