Transportation12 DuETA: Traffic Congestion Propagation Pattern Modeling via Efficient Graph Learning for ETA Prediction at Baidu Maps 요약 및 설명 DuETA: Traffic Congestion Propagation Pattern Modeling via Efficient Graph Learning for ETA Prediction at Baidu Maps 2022년 10월 17일 학회에서 발표됨 In Proceedings of the 31st ACM International Conference on Information & Knowledge Management Jizhou Huang, Zhengjie Huang, Xiaomin Fang, Shikun Feng, Xuyi Chen, Jiaxiang Liu, Haitao Yuan, and Haifeng Wang 2022년 12월 23일 기준 citation 수 2회 바이두 연구진들이 바이두 데이터를 기반.. 2022. 12. 22. 교통 혼잡 지표 (속도 위주) 1. Measuring Urban Traffic Congestion – A Review (2012) Journal: International Journal for Traffic and Transport Engineering Authors: Amudapuram Mohan Rao, and Kalaga Ramachandra Rao Cited by 320 (2022-12-08) 혼잡에는 (a) micro-level factors (b) macro-level factors가 있다고 합니다. 혼잡은 micro-level에 의해 trigger 되고(e.g. on the road), and macro-level에서 driven 됩니다. 예를 들어, micro-level factors는 "many people want .. 2022. 12. 8. QGIS, Python으로 한강 중심의 도로 연결망 데이터 구축하기 이번 글의 목표는 한강을 중심으로한 주요 간선도로들을 연결한 온전한 그래프를 만드는 것입니다. 일단 서울특별시 속도 자료와 노드링크 체계는 이 글의 내용을 기반으로 적당히 맞추었다고 가정하겠습니다. 일단 간선도로 위주로 얻어봤습니다. 이 링크들은 "1. 국가교통정보센터에서 제공하는 전국표준노드링크"중에서, "2. 서울시 교통정보 시스템에서 제공하는 서비스링크와 표준노드링크 매핑 자료에 있는 링크"중에서, "3. 서울시 교통정보 시스템에서 제공하는 주요 도로에 대한 속도 정보가 제공되는 링크"로 3차례 필터링 한 것입니다. (그 중에서도 한강 위주로 뽑았습니다.) 괜찮은 도로망 그래프로 보이지만, 사실 그렇지 않습니다. 연결이 되어 있었어야 할 검은색 라인이 빨간색 라인에는 없는 것을 알 수 있습니다. 왜.. 2022. 9. 25. GMAN: A Graph Multi-Attention Network for Traffic Prediction 요약 및 설명 세 번째 graph neural network(GNN)을 활용한 시계열 예측 논문입니다. 제목은 GMAN: A Graph Multi-Attention Network for Traffic Prediction 입니다. GMAN: A Graph Multi-Attention Network for Traffic Prediction 2020년 4월 3일 publish In Proceedings of the AAAI conference on artificial intelligence Chuanpan Zheng, Xiaoliang Fan, Cheng Wang, and Jianzhong Q 2022년 8월 10일 기준 citation 수 342회 샤먼 대학교 연구진들의 연구 내용입니다. (샤먼 대학교는 샤먼시에 위치하는.. 2022. 8. 10. Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting 요약 및 설명 두 번째 graph neural network(GNN)을 활용한 시계열 예측 논문입니다. 제목은 Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting입니다. Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting 2019년 7월 17일 publish In Proceedings of the AAAI conference on artificial intelligence Shengnan Guo, Youfang Lin, Ning Feng, Chao Song, and Huaiyu Wan 2022년 8월.. 2022. 8. 6. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting 요약 및 설명 몇 개의 글을 거쳐서 graph neural network를 활용하여 시계열 예측을 한 사례들을 확인해보고자 합니다. 첫 논문은 Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting입니다. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting 2017년 9월 14일 최초 공개, 2018년 7월 12일 최종 수정 arxiv 2022년 8월 4일 기준 citation 수 1500회 Bing Yu, Haoteng Yin, and Zhanxing Zhu 북경대의 연구진들이 진행한.. 2022. 8. 4. 이전 1 2 다음
