Arterial Network Traffic State Prediction with Connected Vehicle Data: An Abnormality-Aware Spatiotemporal Network
Cet article propose un cadre de prédiction du trafic arterial à l'échelle urbaine utilisant des données de véhicules connectés, reposant sur une méthode d'extraction d'état du trafic en deux étapes et un réseau de convolution graphique spatiotemporel conscient des anomalies (AASTGCN) qui améliore la précision des prévisions en modélisant séparément les régimes de trafic normal et anormal.