3 个月前

GCT-TTE:用于旅行时间估计的图卷积Transformer

GCT-TTE:用于旅行时间估计的图卷积Transformer

摘要

本文提出了一种基于Transformer的新模型,用于解决行程时间预测问题。所提出的GCT-TTE架构的核心特点在于,充分利用了能够捕捉输入路径不同特性的多种数据模态。在对模型配置进行深入研究的基础上,本文实现了多种实际基线模型,并分别在考虑路径信息(path-aware)与不考虑路径信息(path-blind)的设置下进行了充分的实验与评估。计算实验结果验证了该方法的有效性,其在两个基准数据集上均优于现有最先进模型。此外,GCT-TTE已部署为一个可访问的网络服务,用户可自定义路线进行后续实验。

代码仓库

eighonet/gct-tte
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
travel-time-estimation-on-tte-a-oWDR
Root mean square error (RMSE): 190.09
mean absolute error: 97.22
travel-time-estimation-on-tte-a-oDeepI2T
Root mean square error (RMSE): 201.33
mean absolute error: 97.99
travel-time-estimation-on-tte-a-oDeepTTE
Root mean square error (RMSE): 174.56
mean absolute error: 111.03
travel-time-estimation-on-tte-a-oDeepIST
Root mean square error (RMSE): 241.29
mean absolute error: 153.88
travel-time-estimation-on-tte-a-oGCT-TTE
Root mean square error (RMSE): 147.89
mean absolute error: 92.26

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
GCT-TTE:用于旅行时间估计的图卷积Transformer | 论文 | HyperAI超神经