12. Spatiotemporal AI for Transportation
12.1 Introduction: background on spatiotemporal AI and transportation
- 교통 데이터에는 flows and volumes, travel times, trajectories, public transit trips 등이 포함됨
- nonlinearity, heterogeneity, nonstationarity 때문에 M/L(e.g. neural networks, kernel methods, random forests 등)으로 연구 이동
- 교통 연구의 목적은 교통 예측
12.2 Data-driven prediction of traffic variables
- 교통 연구의 기본 접근은 교통 데이터의 historical values를 이용하여 미래를 예측하는 것
- spatio-temporal 고려를 위해 space-time(ST), ML 모델로 연구 흐름 이동
- CNN은 네트워크 구조를 깨트리는 문제가 있어서, 이를 개선한 Network SpaceTime AI 등장
- Graph convolutional neural networks(GCNNs)이 가장 인기 있는 모델
728x90
반응형
