English(EN) Graph-Conditioned Mixture of Graph Neural Network Experts for Traffic Forecasting

新的GC-MoE框架通过专门的GNN专家增强交通预测能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-01 04:00

研究人员开发了一个名为GC-MoE的新框架用于交通预测，该框架利用了图神经网络专家混合模型。这种方法允许为每个节点个性化组合冻结的预测专家，以适应局部图拓扑和近期交通数据。该系统仅训练一个小型路由模块，同时利用预训练的专家，在标准基准测试中显示出改进的平均绝对误差。 AI

影响这种专门的GNN方法可以提高实时交通预测系统的准确性。

排序理由这是一篇描述用于交通预测的新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Amirhossein Ghaffari, Saeid Sheikhi, Ekaterina Gilman · 2026-06-01 04:00

Graph-Conditioned Mixture of Graph Neural Network Experts for Traffic Forecasting

arXiv:2605.30486v1 Announce Type: cross Abstract: Spatio-temporal forecasting on sensor graphs is commonly tackled with a single backbone architecture applied uniformly across all nodes, although graph regions can exhibit different dynamics. Road segments differ in functional cla…