인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
This paper introduces an innovative urban traffic congestion prediction model, which combines knowledge graph and graph neural network technology to improve prediction accuracy and traffic management efficiency. Firstly, the data preprocessing steps are described in detail, including the integration and standardization of traffic, weather and event data. Then, the traffic knowledge graph is designed, the entity, relationship and ontology structure are defined, and the dynamic update mechanism is constructed. The core of the model adopts GNN combined with LSTM, embedding entity relations through TransE, learning spatiotemporal features through graph convolutional network, and capturing time series dynamics through RNN. The experimental design is based on a one-year comprehensive traffic dataset. The results show that the proposed KG-GNN model performs well in prediction accuracy, stability and interpretation, significantly reduces the average congestion time and delay index, and improves public satisfaction. Case studies further demonstrate the effectiveness of the model in easing congestion, optimizing public transport and enhancing travel experience.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094303790
