عنوان : ( پیشبینی ترافیک با شبکههای پیچشی گراف مبتنی بر یادگیری )
نویسندگان: محمود امین طوسی ,
Full Textچکیده
پیشبینی ترافیک نقش مهمی در سیستمهای هوشمند کنترل ترافیک شهری دارد. در تحقیقات اخیر، کارائی شبکههای عصبی گرافی در این حوزه نشان داده شده است. عموماً در این حوزه از یک شبکهی پیچشی گراف برای مشخص کردن وابستگی مکانی معابر شهری و از یک شبکهی عصبی بازگشتی برای مدلسازی زمانی ترافیک شهری استفاده میشود. تاکنون گراف مشخص کنندهی وابستگی مکانی معابر شهری بر اساس اطلاعات شهری و مجاورت فیزیکی معابر تعیین میشده است. در این مقاله از یکی از روشهای یادگیری ساختار گرافهای جهتدار بدون دور برای تخمین ماتریس مجاورتی معابر شهری بر اساس دادههای ترافیکی استفاده شده است. آزمایشات انجام شده کاهش حدود چهار درصدی خطا بر اساس شیوهی پیشنهادی، نسبت به استفاده از گراف مجاورت مبتنی بر فواصل واقعی را نشان داده است.
کلمات کلیدی
, شبکه پیچشی گراف, پیشبینی ترافیک, یادگیری ساختار گراف, یادگیری عمیق
@inproceedings{paperid:1106433,
author = {امین طوسی, محمود},
title = {پیشبینی ترافیک با شبکههای پیچشی گراف مبتنی بر یادگیری},
booktitle = {پنجاه و پنجمین کنفرانس ریاضی ایران},
year = {2024},
location = {مشهد, ايران},
keywords = {شبکه پیچشی گراف، پیشبینی ترافیک، یادگیری ساختار گراف، یادگیری عمیق},
}
%0 Conference Proceedings
%T پیشبینی ترافیک با شبکههای پیچشی گراف مبتنی بر یادگیری
%A امین طوسی, محمود
%J پنجاه و پنجمین کنفرانس ریاضی ایران
%D 2024
