transportation planning

新的GUIDED层增强了GNN在交通分配中的可迁移性

研究人员开发了一种新颖的网络无关特征初始化层，称为几何无约束归纳需求嵌入（GUIDED），以提高图神经网络（GNN）在交通规划中的空间可迁移性。该方法通过将出行需求视为虚拟链路上的标量属性，而不是特定的节点特征，来标准化输入空间，而不考虑网络规模。实验表明，将GUIDED与异构图注意力网络（HetGAT）集成，可以在单网络任务上保持高精度，并在分布外需求模式和数据稀疏性方面提供卓越的鲁棒性，从而实现参数高效的域适应，用于网络间迁移学习…