arXiv 机器学习· Ran Tu, Zihao Li, Arash Mirzaei·· 4 小时前AI 评分30
基于探测车监督图卷积循环网络利用稀疏传感器实现路网级高速公路车速临近与短期预测
Network-Wide Freeway Speed Nowcasting and Forecasting from Sparse Fixed Sensors with a Probe-Supervised Graph Convolutional Recurrent Network
AI 导读
研究提出图卷积循环网络 GCRN+，通过历史探测车数据监督训练，仅需 15.6% 覆盖率的稀疏固定传感器即可联合预测全路网小时车速。在未布设传感器的路段上，GCRN+ 当前小时与下一小时预测的 RMSE 分别达 2.21 mph 和 2.39 mph，优于历史平均的 3.23 mph。
来源：arXiv 机器学习 · arxiv.org