Short-term Traffic Forecasting Using Graph Neural Networks on Taxi Data

Hadachi, Amnir, juhendajaPuura, Joonas, juhendajaPyvovar, PavloTartu Ülikool. Loodus- ja täppisteaduste valdkondTartu Ülikool. Arvutiteaduse instituut2024-10-022024-10-022024https://hdl.handle.net/10062/105036Liikluse prognoosimise ülesanne seisneb linna liiklusolukorra ennustamises teatud tuleviku aegadeks. Täpsed liiklusennustused on olulised ummikute ennetamiseks, mis halvendavad märkimisväärselt elukvaliteeti linnas, ja efektiivsemate liikuvsteenuste pakkumiseks, mis võimaldavad linnaelanikel paremini liigelda. Masinõppel põhinevaid meetodeid on liikluse prognoosmise ülesandeks varem laialdaselt rakendatud. Hiljuti on hakatud rohkem rakendama graaf-närvivõrkudel põhinevaid lahendusi. Käesolevas töös rakendatakse graaf-närvivõrke liikuvusettevõtte Bolt poolt jagatud andmetele. Töös näidatakse, et meie poolt arendatud graaf-närvivõrkudel põhinev implementatsioon suudab õppida hooajalisust, kuid võrreldes traditsioonilisemate masinõppe meetoditega, ei anna paremaid tulemusi. Seega, et rakendada graaf-närvivõrkudel põhinevaid lahendusi praktikas, on vaja teha täiendavat tööd.enAttribution-NonCommercial-NoDerivs 3.0 EstoniaTraffic forecastingMachine learningDeep learningGraph neural networksLiikluse prognoosimisemasinõpesügav õppiminegraaf-närvivõrgudmagistritöödinformaatikainfotehnoloogiainformaticsinfotechnologyShort-term Traffic Forecasting Using Graph Neural Networks on Taxi DataThesis