PulseAugur
中
实时 06:08:00
English(EN) GeoFlow: Geo-Aware Modeling of Inter-Area Relationships in Origin-Destination Flow Prediction and Generation

GeoFlow框架通过地理空间数据增强起点-终点流量预测

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出GeoFlow，一个旨在通过整合地理空间属性来改进起点-终点（OD）流量预测与生成的新框架。与以往的基于图的方法不同，GeoFlow整合了相对位置、距离和其他地理数据，以更好地建模长距离和多区域依赖关系。该框架利用一种特殊的编码器，该编码器结合了图注意力与坐标感知编码器以及轴向全局注意力解码器，以捕获OD特定的竞争性依赖关系，从而提高预测准确性和生成保真度。 AI

影响 通过将地理空间数据整合到AI框架中，增强了城市规划和出行分析的建模能力。

排序理由 该集群包含一篇详细介绍特定机器学习任务新框架的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

GeoFlow框架通过地理空间数据增强起点-终点流量预测

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Zherui Huang, Guanjie Zheng, Hao Xue, Linghe Kong ·

    GeoFlow: Geo-Aware Modeling of Inter-Area Relationships in Origin-Destination Flow Prediction and Generation

    arXiv:2607.05257v1 Announce Type: new Abstract: Origin-destination (OD) flow modeling underpins urban planning and mobility analysis, but prevailing graph-based methods often neglect salient geographic attributes, limiting their ability to model long-range and multi-area dependen…

  2. arXiv cs.LG TIER_1 English(EN) · Linghe Kong ·

    GeoFlow：面向起讫点流量预测与生成的地理感知跨区域关系建模

    Origin-destination (OD) flow modeling underpins urban planning and mobility analysis, but prevailing graph-based methods often neglect salient geographic attributes, limiting their ability to model long-range and multi-area dependencies. In this paper, we introduce GeoFlow, a nov…

相关实体

相关话题