GSNet：Learning Spatial-Temporal Correlation from Geographical and Semantic Aspects for Traffic Accid
发布时间
阅读量：
阅读量
GSNet：Learning Spatial-Temporal Correlation from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting（AAAI 2021）
提出问题：
导致交通事故因素很多(天气、时间、交通流量、 POI等)，以往的模型考虑不全面；
零值膨胀(zero-inflated)问题：零值过多会导致预测不准确；
为提高预测准确性：考虑区域各方面的区域相关性：如下图，区域1和区域2相连接， 两临近区域道路相连接，交通流会有相互影响。在时间上，交通事故短时间内是差不多的，长时间的交通事故又具有一定的周期性；区域1和区域3，两区域具有相同的道路结构，POI，交通事故情况。
解决方法：
提出模型GSNet(Geographical and Semantic spatial-temporal Network)：
模型主要分为两部分：
特征融合：
损失函数（权重损失函数，有效地解决的零值膨胀问题）：
实现结果
与其他模型的实验效果比较：
模型中不同功能块的实验结果比较：
不同风险相似图对实验结果的影响：
论文：http://faculty.bjtu.edu.cn/media/rte/file/2021/2/10/1612947098.pdf
代码：暂未公开
具体细节还需要仔细阅读论文
全部评论 (0)
还没有任何评论哟~