基於半監督圖卷積網路的公共交通等待時間估計

有效的交通系統對於支持現代智慧城市中的各種人類活動非常重要。各個車站的等待時間對整體交通系統效率和人們的健康（如壓力和焦慮）有很大的影響。提前瞭解不同地點的等待時間可以説明旅行者計劃他們的旅行。然而，這種等待時間可能取決於許多因素，如擁擠和所涉及的旅行者的集體旅行行為。通常，在每個位置收集所有必需的數據非常昂貴。本文基於部分代理數據和部分車站有限歷史等待時間數據，提出一種深度學習方法，確定公共交通網站的等待時間水準。我們將公共交通網路制定為圖，並開發了基於圖卷積網路的半監督分類模型，該模型可以直接對具有有限標記數據的圖結構數據進行操作。我們用真實數據對香港的公共交通鐵路進行了實驗，我們提出的方法可以達到89%的等待時間等級分類準確率。