密度球を用いたGraphCNN深層学習手法による渋滞予測

抄録

本論文では、多数のサンプルと特徴を持つ交通データセットのための密度球に基づく高次元空間におけるデータクラスタリングを研究し、密度球GraphCNNで特徴から距離行列を作成することによって交通渋滞を予測する。密度球は、高次元空間でデータをクラスタリングするための基準となる密度を表し、データの相関と距離の両方を考慮することでデータの関係を調べることができます。渋滞を再現し、密度球の体積を変えて予測精度を比較する交通シミュレーションモデルを組み合わせて渋滞度を予測した結果に基づいて、高精度な渋滞予測を実現するための仕組みを検討する。