TY -的A2 Xiong Naixue盟——张丫AU - Lu,明明AU -李,海丰PY - 2020 DA - 2020/09/27 TI -城市交通流预测基于FastGCRNN SP - 8859538六世- 2020 AB -交通预测是一个重要的先决条件的应用智能交通系统在城市交通网络。现有的作品采用RNN和CNN /之下,其中GCRN是最先进的工作,描述交通流的时间和空间相关性。然而,很难GCRN应用于大规模的公路网络由于高计算复杂度。为了解决这个问题,我们提出公路网络抽象成一个几何图形,建立一个快速卷积图递归神经网络(FastGCRNN)模型交通流的时空相关性。具体来说,我们使用FastGCN单位有效地捕获之间的拓扑关系图中道路和周围的道路通过重要性抽样与减少计算复杂度,结合格勒乌单位获取交通流的时间依赖性,和时空特性嵌入到基于Encoder-Decoder Seq2Seq框架。大规模的交通数据集实验说明该方法可以大大降低计算复杂度和内存消耗,同时保持相对较高的精度。SN - 0197 - 6729你2020/8859538 / 10.1155——https://doi.org/10.1155/2020/8859538——摩根富林明-杂志的先进运输PB - Hindawi KW - ER