顶级会议KDD2021时空数据处理论文集

共有7篇关于时空数据处理的相关文献。

1.动态与多维时空深度学习在交通速度预测中的应用

动态图神经网络（DGNN）已发展成为交通速度预测领域最具潜力的技术之一。然而，当前基于DGNN的交通速度预测方法通常依赖于静态邻接矩阵（无论是预先设定的还是自适应学习的）来捕捉不同路段之间的空间关联，而这种关联可能在一天内发生动态变化。此外，未来交通速度不仅受当前交通状态的影响，还受到诸如交通流量等其他因素的作用。因此，本研究旨在深入挖掘交通数据中蕴含的这些动态且多维度的时空特性，从而进一步提升DGNN在预测性能方面的表现。具体而言，我们提出了一种动态图构建策略，用于学习特定时间段内路段之间的空间依赖关系。随后设计了一个动态图卷积模块，在动态邻接矩阵的基础上传递信息，并将相邻节点的隐藏状态聚合至目标节点。同时引入了多维融合模块，将从交通流量中提取的辅助隐藏状态与从交通速度中提取的主要隐藏状态进行整合。最终通过真实数据集的实验验证表明，该方法不仅能够实现领先的预测精度，并且还能提供清晰、可解释的道路段间动态空间关系。

2.基于自利联盟学习的城市级网络交通状态补全方法

精确估计网络范围内的整体交通状态对于众多城市管理和交通运输应用具有重要意义。然而，在城市尺度上实施实时推断时，现有技术常面临扩展性不足或在数据有限情况下鲁棒性差的问题。目前探测车辆所采集的GPS轨迹数据已成为多