本文的数据来源这个论文: Yu, Bing, Haoteng Yin, and Zhanxing Zhu. "Spatio-temporal graph convolutional networks: a deep learning framework for traffic forecasting." Proceedings of the 27th International Joint Conference on Artificial Intelligence, 2018.
部分构图建边的方法也是参考的这篇论文的。
大家可以自己去这篇论文的github上去弄数据。嫌麻烦就直接买我这个整理好的就行了。
本案例的价值点在于图结构数据,将道路间的距离作为边的权重,利用图卷积层提取空间特征,再通过LSTM层处理时间序列数据,进行交通流量预测。
简单来说,主要是演示图结构的LSTM等模型的时间序列预测。是市面上几乎没有的代码。(图结构过于抽象,截止到2025年网上基本没多少资源)
传统的,简单的,普通的三维数据的时间序列预测看我之前的博客就行了,网上资源也不少。
(本人专注Python数据分析,更多种类数据和代码详见主页)