文件名称：GCN_predict-Pytorch:交通流量预测。 用PyTorch实现图卷积网络
文件大小：39.65MB
文件格式：ZIP
更新时间：2024-05-30 10:34:47
附件源码 文章源码
GCN_predict-Pytorch 交通流量预测。 用PyTorch实现图卷积网络（GCN，GAT，Chebnet） 要求： -火炬 -脾气暴躁 -熊猫 -Matplotlib 数据集示例： 数据集由Caltrans绩效评估系统（PEMS-04）收集 数量：307个探测器 日期：2018年1月至2月（2018.1.1——2018.2.28） 特色：流动，占据，速度。 探索数据分析： 1，具有流量，占用和速度三个特点，一是对数据分布进行可视化分析 2.运行代码：python data_view.py 3）每个节点（检测器）都有三个特征，但是两个特征的数据分布基本上是固定的，因此我们只采用一维特征。 读取数据集： 在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数用于读取相邻的矩阵和流数据。 模型训练： 在tra
【文件预览】：
GCN_predict-Pytorch-main
----gat.py(4KB)
----node_ 10_3.png(43KB)
----GAT_result.h5(18.89MB)
----dataView.py(4KB)
----utils.py(2KB)
----gcnnet.py(2KB)
----gat_node_120.png(54KB)
----README.md(1KB)
----__pycache__()
--------gcnnet.cpython-36.pyc(1KB)
--------traffic_dataset.cpython-36.pyc(7KB)
--------gat.cpython-36.pyc(3KB)
--------utils.cpython-36.pyc(2KB)
--------chebnet.cpython-36.pyc(4KB)
----PeMS_04()
--------PeMS04.csv(4KB)
--------PeMS04.npz(31.43MB)
----select the first feature.png(83KB)
----chebnet.py(5KB)
----traffic_prediction.py(8KB)
----traffic_dataset.py(11KB)