18年出租车计程车交通流量数据集用于机器学习约200万记录，包括时间序列、经纬度、车头朝向等详细信息
2021-08-19 20:52:58
25.51MB
1
https://blog.csdn.net/xianshengsan/article/details/107144822该博文中的函数及数据集，供大家参考
2021-08-11 19:00:19
2KB
1
以上使用了GCN, ChebNet, GAT三种图卷积来预测交通流量，只考虑了空间上的影响，没有考虑时序上的影响，所以效果有进一步提升空间。这里只是为了实现基于上述三种图卷积预测交通流量。
可以很明显看出三种模型在处理数据时的快慢和准确率。
三种模型都具有处理结构化时间序列的通用框架。它不仅能够解决交通网络建模和预测问题，而且可以应用于更一般的时空序列学习任务。
时空卷积块结合了图卷积和门控时间卷积，能够提取出最有用的空间特征，并连贯地捕捉到最基本的时间特征。
该模型完全由卷积结构组成，在输入端实现并行化，参数更少，训练速度更 快。更重要的是，这种经济架构允许模型以更高的效率处理大规模网络。
2021-07-16 20:07:19
39.06MB
Temporal Graph Convolutional Network for Urban Traffic Flow Prediction Method
2021-07-10 10:36:21
29.7MB
1
车道，同向行驶，长度为2km，每个元胞的长度为0.5m，车辆长度均为5m，即每辆车占据10个元胞。N为两条车道上所有类型车辆总和，其中N1为手动一型车辆数， N2为手动二型车辆数 N3，手动三型车辆数 ，N4为自动驾驶车辆数N= N1 +N2 +N3+ N4，每种类型车辆数量和车辆总数先设置成每种类型500辆，总共2000辆，反应时间、车不同类型数量、安全距离等可更改
2021-05-25 21:02:14
278KB
1