色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

DMVST-Net如何巧妙處理復雜的交通問題

電子工程師 ? 來源:ZF ? 2019-04-21 09:04 ? 次閱讀

摘要

在智慧城市的建設中,出租車需求預測是一個及其重要的問題。準確的預測需求能夠幫助城市預分配交通資源,提前避免交通擁堵,從而緩解交通壓力,同時降低出租車空載率,提高出租車司機收入。傳統的出租車需求預測往往基于時序預測技術(time series forcasting techniques),無法對復雜的非線性時空關系進行建模。深度學習技術的突破為交通預測問題帶來了曙光,但是現存的深度學習網絡架構,往往只單一考慮了時間關系或者空間關系,沒有把兩者結合起來進行建模。

本文提出了 DMVST-Net(Deep Multi-View Spatial-Temporal Network),同時對時間關系和空間更新進行建模。更具體地,該模型同時從三個角度出發(分別是 temporal view, spatial view,semantic view),綜合考慮了出租車需求在路網上分布的時空關系,并利用語義信息,對相似區域的時空模式進行了建模。

值得一提的是,本文運用圖網絡 和 Local CNN 的方法,對由數萬路段組成的大型道路交通網,進行了特征提取,這一舉措,將圖網絡的運用拓寬到一個新的層次,使得大型交通網的建模有了新的解決思路。

主要貢獻

1、提出了一個多視角模型,該模型同時考慮了 spatial,temporal 和 semantic 信息。

2、提出了 Local CNN 的方法,用于捕獲區域的局部特征,該特征受到所捕獲區域鄰近區域的影響。

3、基于不同區域之間的時空模式的相似性,構建了一個 region graph,用于表達區域特征的語義信息。

4、利用滴滴出行的出租車訂單數據進行實驗,驗證了模型的有效性和先進性

模型架構(DMVST-Net)

在介紹模型之前,先用通俗易懂的語言介紹一下論文的主要思路,先用一個易理解的例子來說明:

小明想預測整個廣州市對出租車的使用需求,可是掐指一算,整個廣州市有幾萬條道路,簡單的用一維向量去表示它的話,會丟失空間關系;用圖網絡去構建交通網的話,得到的圖尺寸相當大,瞅瞅自己只有四塊 GPU,怕是帶不動;轉念一想啊,好多前輩都是用一個個規則的格網來表示城市的不同區域,再用 CNN 時空圖像處理的方法建模,可是前輩們做了呀,這可咋整呢。于是小明想了一個辦法:我用傳統的格網去表示城市區域,每個格網的值就代表這個區域出租車的需求量,但是我分別對每個格網構建一個CNN網絡。我再用圖網絡的方法,把城市中每個格網給連接起來,這樣不就能夠表示每個格網(城市區域)之間的聯系了嗎?

模型架構(DMVST-Net)

給小明同學鼓個掌,下面就是小明同學提出的模型。

DMVST-Net如何巧妙處理復雜的交通問題

DMVST-Net 分為三個部分,分別是 Spatial View,Temporal View 和 Semantic View。

Spatial View:Local CNN

什么是Local CNN呢?舉個例子,如下圖所示,我要對 (a)提取特征,最常見的一種方式是把(a)這整張圖像送入到CNN中,進行卷積運算;而另一種方式就是把(a)分塊,把劃分后的每一小塊分別送入到CNN中,也就是每次只對(b)進行卷積運算,最后把每個部分的結果進行綜合,這就是 Local CNN。

DMVST-Net如何巧妙處理復雜的交通問題

提出該方法的動機是地理學第一定律——near things are more related than distant things。舉個例子,相比于湖北省和河北省的人民,湖北省和湖南省的人民生活習慣要更相似,這是因為他倆靠的近。小明同學在這里把廣州市分成了20 x 20個區域,每個區域是0.7km x 0.7km,用7 x 7的二維圖像來表示每一個區域,圖像中每個像素點的灰度值代表出租車的需求量。每張圖像可以用 表示,其中 S=7 。經過K個卷積層后得到?,進行 flatten 操作得到?,最后進行降維得到?具體公式如下:

? ? ?

? ? ?

最終我們Spatial View的輸出是 ? ? ?。

TemporalView:LSTM

小明同學在這里學習了牛頓的思想:“站在巨人肩膀上”。在該部分,小明同學直接利用了傳統的時序預測利器——LSTM。LSTM 網絡是一種特殊的 RNN 網絡,該網絡的全稱是 Long Short-Term Memory network(長短期記憶網絡)。LSTM 網絡可以說是為時序預測所量身打造的,該網絡不僅能夠捕獲近期的時間關系,還能記憶長期的時間模式,由于遺忘機制的引入,可以使得 LSTM 網絡對長時序列也有較好的處理能力。在這里,我們不做推導,直接把公式放出來,有興趣的朋友們可以參見文末的相應鏈接【4】。

DMVST-Net如何巧妙處理復雜的交通問題

值得注意的是這里的 LSTM 網絡的輸入是其中??是 Spatial View 的輸出,而?是天氣、節假日等元數據特征,表示的是聯合操作。最終我們 Temporal View 的輸出是

SemanticView:StructuralEmbedding

接下來到了我們最期待的一步,如何利用圖網絡的方法,構建城市各個區域的關系網絡,從而給我們的深度學習任務提供更高層次的特征。首先,小明同學根據一個直覺:具有相同功能的地點應該具有相似的出租車需求模式,然而具有相同功能的地點在空間上不一定相鄰。舉個栗子,北京海淀區的一處 CBD 和朝陽區的一處 CBD 在很大程度上功能相似,但是這倆個地方隔得老遠,可是卻可能有著相似的出租車需求模式。基于這個直覺,小明同學構建了區域和區域之間的全連接網絡 ?代表節點(即區域,總數為 20 x 20),代表每兩個節點的邊,為相似性矩陣,代表節點 i 和 j 的相似性。

那么問題來了,這個相似性基于什么特征衡量呢?用什么方法去衡量呢?

我們的小明同學非常的聰明,他將每個節點的需求序列進行整合,計算每周的平均需求量,作為節點的特征,然后采用了動態時間規整(DTW)【5】的方法來衡量節點之間的相似性。

? ? ?

為了將每個節點的特征進行壓縮,并同時維持網絡的結構信息,小明同學又采用了graph embedding 的方法,將每個節點的特征壓縮到更低的維度。為了構建一個端到端的神經網絡模型,小明同學又將壓縮后的特征送入到一個全連接層,最后得到了Semantic View 的輸出 ? ? ?。

請注意,這里的代表的是節點 i 的語義特征,也就是說,Semantic View提取整個網絡的特征,但是只把單個節點所學習到的特征送到主體模型中。

模型綜合

最后就是模型綜合部分了,簡單的講,就是把Spatial View,Temporal View 和 Semantic View 這三個部分的輸出結果給聯合起來,再通過一些神經網絡層進一步提取特征,最后與真實值計算Loss,通過優化算法不斷訓練模型,最終得到一個較優的結果。這里簡單列一下公式:

三個部分特征的綜合:? ? ??

輸出函數設計:? ? ??

誤差函數設計:

DMVST-Net如何巧妙處理復雜的交通問題

這里的 Loss Function 設計比較有趣,該公式由兩部分組成,第一部分是均方誤差(MSE),第二部分是平均絕對百分誤差(MAPE),MSE更多的和大值相關,而MAPE對大值和小值一視同仁,引入MAPE能夠避免訓練過程被大值的樣本所主導。

模型訓練算法

在這里,直接把算法貼出來,算法的主要思想就是每個區域的需求預測都使用相同的網絡結構,但是每個區域對應的網絡有著不同的參數,對所有的網絡結構都進行訓練,直到滿足停止條件。這里的算法不是重點,就不再敘述了,有興趣的朋友可以看一下原文。

DMVST-Net如何巧妙處理復雜的交通問題

實驗

數據集

在這里,將文章的數據集描述進行了整理,方便大家快速閱讀

DMVST-Net如何巧妙處理復雜的交通問題

評價矩陣

主要結果

小明同學將自己的模型和當前的主流模型進行了對比,其中包括 Historical average,ARIMA,Ordinary least square regression,Ridge regression,Lasso,Multiple layer perceptron,XGBoost,ST-ResNet。

從表中可以看出,DMVST-Net的效果在兩種評價指標上均為最優,證明了模型的有效性和先進性。

除此之外,小明同學還計算了各模型從工作日到休息日,相關誤差的增長(RIE):

可以看到DMVST-Net的RIE最小,證明了模型魯棒性很高

分別展示了周一到周日各天的預誤差結果:

可以看到DMVST-Net每天的預測誤差(MAPE)都比其他模型小。

最后討論了LSTM輸入序列長度對模型結果的影響,及Local CNN輸入圖像尺寸的影響。

結語

這篇文章的作者說,該文的最大貢獻在于從三個視角考慮了城市出租車的需求模式,提出了DMVST-Net,然而這種多視角的建模方式,早就老生常談了。反到是對于圖網絡的巧妙運用,才成就了這篇論文:利用區域作為節點構圖,而不是采用路段作為節點構圖,不僅避免了城市尺度下圖網絡過大的問題,而且很好的利用圖網絡的特性,構建了不同區域之間的聯系,從而提取了各區域的語義特征。這種大而化小的思想值得我們去學習,在圖網絡尚未解決計算復雜性的今天,或許這種小trick更加有利于加速產學研結合,將圖網絡應用到更多的地方!

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 智慧城市
    +關注

    關注

    21

    文章

    4262

    瀏覽量

    97289
  • rnn
    rnn
    +關注

    關注

    0

    文章

    89

    瀏覽量

    6886

原文標題:交通圖網絡太大太復雜,沒法處理?DMVST-Net巧妙處理

文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    巧妙的點焊機電路

    .該點焊機有三擋功率調節,還有一個細調旋鈕,電路設計巧妙,制作并不復雜
    發表于 04-02 12:22 ?2.3w次閱讀
    <b class='flag-5'>巧妙</b>的點焊機電路

    光電轉換電路中對微弱信號的巧妙處理

    光電轉換電路中對微弱信號的巧妙處理
    發表于 03-17 23:19

    永動機?設計很巧妙啊!

    `設計很巧妙啊!`
    發表于 10-18 19:57

    LabView導出.Net程序集的數組處理

    使用LabView導出.Net的dll文件的時候,里面輸入的數組在.Net里面需要傳入double[*]類型的參數,請問該如何處理,這個類型的參數應該如何產生,謝謝!
    發表于 10-12 21:24

    vb.net實例教程下載

    vb.net實例教程:第02章 .NET應用程序結構第03章 第一個Visual Basic應用程序第05章面向對象的程序設計第06章 VB.NET的用戶界面設計第07章 程序調試和錯誤處理
    發表于 12-08 11:43 ?791次下載
    vb.<b class='flag-5'>net</b>實例教程下載

    ado.net入門知識教程

    ADO.NET將成為構建數據感知 .NET應用程序的基礎. 不同于ADO 的是,ADO.NET更具有通用性,不是那么專門針對數據庫而進行的設計. ADO.NET聚集了所有可以進行數據
    發表于 01-08 08:50 ?0次下載

    ADO.NET數據庫實例教程

    ADO.NET數據庫編程比較復雜,名目繁多的類、對象、屬性、方法讓每一個編程者都感覺惱火。本文旨在介紹ASP.NET Beta2數據庫編程的主要內容,幫助編程者最快的了解ADO.NET
    發表于 01-08 08:56 ?0次下載

    貴陽公共交通網絡復雜性分析

    城市公共交通系統可以抽象為由公交線路和停靠站點構成的網絡,公交網絡構成了一個典型的復雜網絡。本文以貴陽市的公共汽車交通系統中的停靠站點網絡為研究對象,對其進
    發表于 01-15 14:41 ?16次下載

    汽車的蓄電池柱頭松動的巧妙處理方法

    汽車的蓄電池柱頭松動的巧妙處理方法 蓄電池柱頭松動的處理蓄電池柱頭是電源和汽車電路連接的一個最基本的部位,汽車行駛中的顛簸和修理中不慎
    發表于 11-06 09:34 ?2428次閱讀

    .NET下不連續異步消息處理的研究

    針對服務器端與嵌入式客戶端之間通過GPRS通信存在連接不連續性的問題,研究了一種基于.NET框架下的異步消息處理機制,并利用這種機制提出了一種在網絡通信連接不連續情況下實現消息
    發表于 03-31 22:09 ?17次下載

    電阻的巧妙用法

    電阻的巧妙用法
    發表于 12-16 12:59 ?0次下載

    《ASP.net Ajax開發》基于AJAX的電子郵件處理

    《ASP.net Ajax開發》基于AJAX的電子郵件處理
    發表于 02-07 15:11 ?0次下載

    ADO.NET基礎知識講解

    ADO.NET是ASP.NET數據庫開發的關鍵,最新版本是ADO.NET 3.5。在ADO.NET中包含了多個數據庫處理類,如Connect
    發表于 03-26 10:04 ?4次下載

    在Blackfin處理器上使用.NET Micro Framework縮短上市時間和開發成本

    在Blackfin處理器上使用.NET Micro Framework縮短上市時間和開發成本
    發表于 05-27 20:10 ?6次下載
    在Blackfin<b class='flag-5'>處理</b>器上使用.<b class='flag-5'>NET</b> Micro Framework縮短上市時間和開發成本

    基于低耗散中興迎風格式的復雜交通流模型求解

    基于低耗散中興迎風格式的復雜交通流模型求解
    發表于 06-25 15:12 ?3次下載
    主站蜘蛛池模板: 扒开双腿疯进出爽爽爽动态图| 国产麻豆剧果冻传媒免费网站| 我半夜摸妺妺的奶C了她软件| 精品亚洲麻豆1区2区3区| 99国内偷揿国产精品人妻 | 亚洲影院在线播放| 欧美人与动牲交XXXXBBBB免费| 国产中文在线| 成人国产精品玖玖热色欲| 伊人综合在线22| 午夜理伦大片一级| 日本高清不卡一区久久精品| 久久人人爽人人片AV人成| 国产美熟女乱又伦AV| 成年人免费观看视频网站| 中文在线免费看视频| 亚洲成A人片在线观看中文不卡 | 夜夜狂射影院欧美极品| 色欲AV蜜臀AV在线观看麻豆| 男插女高潮一区二区| 精品国产精品人妻久久无码五月天 | 亚洲国产av| 色戒西瓜视频| 欧美深深色噜噜狠狠yyy| 麻豆传煤网站网址入口在线下载| 国产精品亚洲高清一区二区| 成人午夜精品无码区久久漫画日本| 最近中文字幕免费高清MV视频6| 亚洲绝美精品一区二区| 高H短篇辣肉纯肉| 97影院理论午夜伦不卡偷| 伊人影院网| 亚洲视频中文字幕在线| 亚洲 日本 天堂 国产 在线| 视频区 国产 欧美 日韩| 全黄H全肉细节文短篇| 欧美卡1卡2卡三卡2021精品| 暖暖的视频完整视频免费韩国 | 亚洲AV噜噜狠狠网址蜜桃尤物| 色悠久久综合| 特级毛片s级全部免费|