Spatial Origin-Destination Flow Imputation Using Graph Convolutional Networks

Due to the limitation of data collection techniques and privacy issues, the problem of missing spatial origin-destination flows frequently occurs. Data imputation provides great support for the acquisition of complete flow data, which enables us to better understand regional connections and mobility...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on intelligent transportation systems Ročník 22; číslo 12; s. 7474 - 7484
Hlavní autoři:	Yao, Xin, Gao, Yong, Zhu, Di, Manley, Ed, Wang, Jiaoe, Liu, Yu
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.12.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Artificial neural networks Biological system modeling Convolution Data collection data imputation Data models graph convolution graph embedding Graph neural networks Gravity Neural networks Origin-destination flow Predictive models Sampling methods Spatial databases spatial interaction network Structured data Training
ISSN:	1524-9050, 1558-0016
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!