STAGformer模型改进共享单车需求预测

研究人员开发了STAGformer，一种新颖的时空代理图Transformer，用于共享单车系统的站点级需求预测。该模型使用独特的代理注意力机制，能够有效地捕捉复杂时空依赖关系和长距离交互，并降低计算复杂度。在纽约Citi-Bike和芝加哥Divvy-Bike数据集上的实验表明，STAGformer在预测准确性方面显著优于现有方法。 AI

影响 通过改进的需求预测，提高了微出行服务的运营效率。

排序理由 详细介绍用于时空预测新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• Chicago Divvy-Bike
• DagsHub
• Gotit.pub
• Hugging Face
• NYC Citi-Bike
• ScienceCast
• STAGformer

• 论文
• 模型发布
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →