程序员经验分享-hwhale

智能交通的深度学习综述-基于图卷积神网络

2023-11-18


论文地址：https://arxiv.org/abs/2005.11691
https://arxiv.org/pdf/2005.11691.pdf
论文作者：Jiexia Ye, Juanjuan Zhao, Kejiang Ye, Chengzhong Xu (IEEE Fellow)
关键词：图神经网络（GNNs)，图卷积神经网络（GCN），深度学习，智能交通；

Abstract and Introduction

深度学习在计算机视觉和自然语言处理上的成功激发了学者将深度学习应用于交通领域的研究热情。传统上，很多工作将交通网络建模为网格或者分段，但很多交通网络本质上是图的结构，非图结构建模会导致某些有用的空间信息的丢失。最近，将深度学习扩展到图结构上的工作越来越多，这些技术被统称为图神经网络 graph neural networks (GNNs)。在这背景下，交通领域中，构建基于图视角的深度学习框架也越来越多。本论文旨在对这些框架进行总结，提供一个全面、深入、细致、实用性强的综述。

本论文的贡献如下：
（1）系统且扼要地描述了现有的traffic problems和相应的research directions, challenges。
（2）总结了针对时空预测类交通问题的一般性problem formulation，同时给出了从四种交通数据集(sensors datasets, GPS datasets, rail-hailing datasets, transaction datasets) 中构建图的具体指导。还进一步对图的关键元素-adjacency matrix的定义进行讨论。
（3）将已有的图深度学习框架分解，总结其中常见的深度学习技术，包括 GNNs (SGCN/GGCN), RNNs (RNN/GRU/LSTM), TCN, Seq2Seq, GAN, gated/attention/residual mechanism。分析这些技术的理论，优缺点，在交通场景中的具体变种和应用。
（4）具体阐述了交通场景中的共同挑战（时间依赖，空间依赖，时空联动，外部因素），并针对每种挑战，总结了多种基于深度学习的解决方案。
（5）收集了一些公开的数据集，还有公开的代码，提出了未来的研究方向

Related Work

在这部分里，作者介绍了10篇交通综述论文，其中大部分是深度学习综述论文；另外，还介绍了5篇图神经网络的综述论文。作者还指出，这些综述基本没有提到图神经网络在智能交通中的应用，因而作者的工作实属首次。

Problems, Research directions, Challenges

作者扼要介绍了交通领域中的五种交通问题，分别是交通堵塞，出行需求，交通安全，交通监管，自动驾驶，并介绍了每种交通问题下的研究方向。同时，作者也扼要阐述了每种研究方向的重要性和有关工作。
在这里插入图片描述
另外，作者提取了各种交通问题面临的共同挑战，并概要指出了其对应的深度学习技术。
在这里插入图片描述

Problems formulation and Graph construction

作者定义了论文中用到的数学符号，非常细致和系统，将变量分为时间变量，空间变量，时空变量，可以作为相关工作的符号定义的参考。

基于大部分调查的交通问题都属于时空问题，作者总结出一个一般性的问题建模框架，如下所示：
在这里插入图片描述
另外，作者针对四种数据集 (sensors datasets, GPS datasets, rail-hailing datasets, transaction datasets)，细致地介绍如何针对这些数据集构建图，如何定义点，边，点的特征等。
在这里插入图片描述
在这里插入图片描述
最精彩的部分是作者总结了图的邻接矩阵的定义。在不同的交通应用中，针对不同的交通模式，可以定义各种邻接矩阵。假设交通网络拓扑结构是固定的，可设计固定的邻接矩阵；假设交通网络是动态的，可设计动态的邻接矩阵。另外假设网络结构是多样的，可设计多个邻接矩阵。

Deep Learning techniques perspective

在这里插入图片描述

(1)概要

作者将近三年（2018-2020）的基于图的深度学习框架进行分解，总结了五种经常出现的技术，分别是图神经网络GNNs，循环神经网络RNNs，时间卷积网络TCN，序列到序列模型seq2seq，生成对抗网络GAN，还有门机制/注意力机制/残差机制等。

作者深入地分析这些技术的核心公式，优缺点，还介绍了每种技术在交通中是如何应用的，列举了它们的变种公式，所解决的问题。
这部分的特色是深入和细致，配套公式多但清晰；不是泛泛而谈，停留在文字描述层面。相信读者能通过阅读这部分，更深刻地了解这些深度学习技术的原理，以及如何在具体任务中对它们进行重新设计。

(2)GNNs

针对最热点和最核心的图神经网络，作者主要介绍了它在交通领域最常见的两个分支，分别是SGCN, DGCN；作者对SGCN的关键工作进行梳理 ，分别是（1）Bruna/Shuman 2013 (2) Defferrard 2016 (3) Kipf 2016；
在这里插入图片描述
图（1）：GNNs的一般框架
在这里插入图片描述
图（2）：SGCN的公式
在这里插入图片描述
图（3）：DGCN的公式

在这里插入图片描述
在这里插入图片描述
图（4）各种GNNs的变种

(3) RNNs

作者比较了三种常见的时间序列模型（RNN,LSTM,GRU）的优缺点，阐述了它们在交通中的应用。
在这里插入图片描述
图（1）：RNN的框架
在这里插入图片描述
图（2）：RNNs的变种

(4) TCN

TCN是一个新兴的处理时间序列的网络，作者对它的原理以及它在交通中的应用作出详细的介绍。

在这里插入图片描述
图（1）TCN的结构
在这里插入图片描述
图（2）TCN的公式
在这里插入图片描述
图（3）TCN的应用

(5) Seq2Seq

Seq2Seq能处理多步输出，作者介绍了Seq2Seq的无注意力和有注意力版本，并总结了交通工作中对encoder和decoder的设计。
在这里插入图片描述
图（1）Seq2Seq
在这里插入图片描述

(6) GAN

作者介绍了GAN在交通中的应用
在这里插入图片描述

Challenges and solutions

作者细致地介绍了交通领域所面临的一些共同挑战，以及针对这些挑战所提供的解决方案。作者主要总结了时间依赖性，空间依赖性，时空依赖性，外部因素四种挑战。
对于时间依赖性，作者细分为（1）Multi-timescale，（2）Different Weights；对空间依赖性，作者细分为 （1）Spatial Locality，(2) Multiple Relationships，(3) Global Connectivity 三种挑战。

Open datasets and codes

作者收集了一些公开的交通数据集和代码，以促进智能交通的研究。
在这里插入图片描述

Directions

作者总结了三个未来的研究方向，包括技术方面的，应用方面的，挑战方面的。

Conclusion

本论文在交通综述领域中，是一篇深入且细致的论文，实用性强。有个不足之处在于，只总结了基于图视角的有关工作，但这也是本论文的特色之处。

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

论文

图神经网络

深度学习

智能交通

TCN

智能交通的深度学习综述-基于图卷积神网络 的相关文章

随机推荐

  • Linux 等待队列

    1 Linux内核中等待队列简介 Linux 内核等待队列可以用于许多用途 如中断 进程同步 以及定时 等待队列实现了在事件上的条件等待 希望等待特定事件的进程把自己放进合适的队列 并且放弃控制权限 因此等待队列表示一组睡眠的进程 当某一事

  • 基于Sql-Labs靶场的SQL注入-11~16关

    目录 Less 11 基于POST表单提交方式的字符型注入 爆破数据库名 爆破表名 爆破列名 爆破字段值 Less 12 基于POST表单提交方式的字符型注入 Less 13 基于POST表单提交方式的报错注入 爆破数据库名 爆破表名 爆破

  • HDLBits — Verilog Practice（每日一题）

    HDLBits Verilog Practice 每日一题 一 Getting Started 1 Getting Started 一 Getting Started 1 Getting Started 问题描述 Build a circu

  • C/C++面试笔试知识点总结

    C C 面试笔试知识点总结 1 const关键字的作用 变量 参数 返回值 2 什么是死锁 3 造成死锁的4个必要条件 4 如何避免死锁 5 static关键字作用 6 c c 中内存可以划分为几个部分 7 new 和 malloc的区别

  • DC-2靶机渗透测试

    1 信息收集 使用arp scan l扫描 扫描靶机开放端口 直接访问192 168 188 165发现无法访问被重定向到了 http dc 2 修改hosts文件 hosts文件是linux系统中负责ip地址与域名快速解析的文件 Linu

  • 关于实体类中多层嵌套集合，用mybatis的collection标签可以快速实现

    一 首先分析需求在有三个实体类的情况下 好比user类 Student YearClass类 结构如下 最外层类 public class user private String name private String age privat

  • png文件格式详解【转】

    5 2 2 PNG图像文件存储结构 1 PNG文件存储结构的格式可以在http www w3 org TR REC png htm上找到定义 BMP文件总体上由两部分组成 分别是PNG文件标志和数据块 chunks 如表5 8所示 其中数据

  • Spring Boot使用AOP实现拦截器

    Spring Boot 专栏 https blog csdn net dkbnull category 9278145 html Spring Cloud 专栏 https blog csdn net dkbnull category 92

  • 简单介绍 os.path 模块常用方法

    来源 Python之禅 os path 在python中也算是一个常用的模块 特别是和文件系统打交道时 涉及到文件 目录操作经常会用到 你去看一些框架的源代码的时候也经常会使用到这些方法 如果去看官方文档 os path 大概提供了近20个

  • Android使用Thread.UncaughtExceptionHandler捕获/分析异常信息

    Thread中提供了一个UncaughtExceptionHandler接口能够获取应用的crash信息 该方法设置系统的默认异常处理器 发生crash的时候 系统就会回调UncaughtExceptionHandler的uncaughtE

  • pycharm翻译插件失效解决方法

    pycharm翻译插件失效解决方法 习惯用pycharm写程序的应该都知道一个翻译插件 Translation 可是最近发现翻译用不了了 我就开始着手探究解决这个问题 原因 经过四处打寻 判定谷歌2022年9月26日左右停止了在中国地区的谷

  • Docker修改，保存与新建

    https zhuanlan zhihu com p 57311853 https www runoob com w3cnote docker use container create image html

  • ES6迭代器、Set、Map集合和async异步函数

    目录 迭代器 Iterator 的作用 Iterator 的遍历过程 Set Map集合 map和对象区别 async异步函数 迭代器 迭代器 Iterator 就是这样一种机制 它是一种接口 为各种不同的数据结构提供统一的访问机制 任何数

  • nginx设置成服务并开机自动启动

    在 etc init d下创建文件nginx vim etc init d nginx 其内容参考nginx官方文档 需要注意的配置 nginx usr local nginx sbin nginx 修改成nginx执行程序的路径 NGIN

  • python求解一阶线性偏微分方程通解举例

    python求解一阶线性偏微分方程的通解举例 Python求解偏微分方程也是其一个应用方面 下面举例说明 一 问题 求一阶线性偏微分方程 x f x

  • C#处理JSON

    C 中总共有两种方式处理JSON 第一种 右击项目 gt 添加 gt 引用 这里重点介绍第二种方式 第二种 使用NuGet包 对没错 是Json Net 需要引入的命名空间是 这种方式直接使用工具 不需要进行new 生成JSON文件 对于序

  • Flutter保存和加密数据

    你有没有想过它是如何在手机上处理数据的 让我们一起加密任何文件或模型 我们将要做的 首先 我们谈论使用Flutter的加密 接下来 我们将创建一个文件管理器来保存数据 稍后做加密和解密pdf文件 最后 使用您自己的模型保存加密的pdf 完成

  • 使用Rational Rose进行用例图和活动图

    ROSE用例 ppt 下载地址 http download csdn net download yhyhelene 2949626 一 基于UML的用例模型实验 1 用例图 用例图描述的是参与者 Actor 所理解的系统功能 用于需求分析阶

  • 光立方软件部分

    单片机选用 STC12C5A60S2 x1 数据锁存器 74HC573 x8 简介https blog csdn net qq 43033547 article details 88910276 达林顿晶体管阵列 ULN2803 x1 简介

  • 智能交通的深度学习综述-基于图卷积神网络

    文章目录 Abstract and Introduction Related Work Problems Research directions Challenges Problems formulation and Graph const

热门标签