Resumen

Como medio de transporte en la vida diaria de las personas, la autopista se ha vuelto indispensable y extremadamente importante. La predicción del flujo de tráfico es uno de los temas importantes para la gestión de autopistas. Afectado por muchos factores, incluidos temporales, espaciales y otros externos, el flujo de tráfico es difícil de predecir con precisión. En este documento, proponemos un método de convolución de gráficos. Y el nombre de nuestro modelo propuesto es la red de convolución de gráficos híbrida (HGCN), que considera de manera integral el tiempo, el espacio, las condiciones climáticas y el tipo de fecha para lograr mejores resultados de predicción del flujo de tráfico en las estaciones de autopistas. En comparación con las líneas de base implementadas por varios modelos de aprendizaje automático, todas las métricas de nuestro modelo se reducen drásticamente.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Transporte; Autopista; Predicción del flujo de tráfico; Método de convolución de grafos; Red convolucional de grafos híbrida; Modelos de aprendizaje automático
• Keywords:Transportation; Highway; Traffic flow prediction; Graph convolutional method; Hybrid graph convolutional network; Machine learning models