Convoluzione Grafica Adattiva Regolarizzata per la Previsione Scalabile del Traffico
La previsione del traffico su reti stradali su larga scala affronta sfide di scalabilità a causa della complessità quadratica della convoluzione grafica tradizionale. I ricercatori propongono un modello di Convoluzione Grafica Adattiva Regolarizzata (RAGC) che presenta un Operatore Coseno Efficiente (ECO) per ridurre il costo computazionale mantenendo l'accuratezza. Il metodo affronta i limiti delle tecniche esistenti di approssimazione, compressione e partizionamento spaziale che spesso scambiano efficienza per precisione. RAGC mira a consentire l'implementazione pratica di reti convoluzionali spazio-temporali su grafi su estese reti stradali urbane.
Fatti principali
- La previsione del traffico è fondamentale per la pianificazione dei viaggi e la gestione urbana.
- Le Reti Convoluzionali Spazio-Temporali su Grafi (STGCN) raggiungono prestazioni avanzate ma hanno complessità quadratica.
- Le reti stradali su larga scala limitano la scalabilità della convoluzione grafica tradizionale.
- Le soluzioni esistenti includono approssimazione, compressione o partizionamento spaziale.
- Questi metodi spesso non raggiungono un'efficienza sufficiente o compromettono l'accuratezza.
- RAGC introduce l'Operatore Coseno Efficiente (ECO) per la convoluzione grafica.
- Il modello è progettato per la scalabilità su grandi reti stradali.
- L'articolo è disponibile su arXiv con ID 2506.07179.
Entità
Istituzioni
- arXiv