图卷积网络 | PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测
> 交通流量预测。图卷积网络(GCN、GAT、Chebnet)的实现 用PyTorch实现
>
> 要求
>
> - Pytorch
>
> - Numpy
>
> - Pandas
>
> - Matplotlib
>
> 数据集实例:
>
> 这些数据集由加州交通局性能测量系统(PEMS-04)收集。
>
> 数量:307个检测器
> 特点:流量、占用、速度。
>
> 探测数据分析。
>
> 1.有三个特征:流量、占有率和速度。首先,我们对数据分布进行可视化分析
>
> 2.运行代码:python data_view.py
>
> 3.每个节点(检测器)都有三个特征,但两个特征的数据分布基本上是静止的,所以我们只取第一维特征。
>
> 读取数据集。
>
> 在traffic_dataset.py文件中,get_adjacent_matrix和get_flow_data函数是用来读取相邻矩阵和流量数据。
>
> 模型训练。
>
> 在traffic_predi
1