1. 构建异构交通参与者交互特征的时空图模型:通过引入时空图卷积神经网络,构建一个能够捕捉异构交通参与者之间复杂交互关系的时空图模型。 图1 建图与特征输入 2. 异构交通参与者交互特征的时空图模型结果:对比实验结果表明,Risk-STGCN能够准确预测各交通参与者的未来碰撞风险,误差小于0.95s,预测精度较高,结果可靠。 图2
1. 构建异构交通参与者交互特征的时空图模型:通过引入时空图卷积神经网络,构建一个能够捕捉异构交通参与者之间复杂交互关系的时空图模型。 图1 建图与特征输入 2. 异构交通参与者交互特征的时空图模型结果:对比实验结果表明,Risk-STGCN能够准确预测各交通参与者的未来碰撞风险,误差小于0.95s,预测精度较高,结果可靠。
1. 构建异构交通参与者交互特征的时空图模型:通过引入时空图卷积神经网络,构建一个能够捕捉异构交通参与者之间复杂交互关系的时空图模型。 图1 建图与特征输入 2. 异构交通参与者交互特征的时空图模型结果:对比实验结果表明,Risk-STGCN能够准确预测各交通参与者的未来碰撞风险,误差小于0.95s,预测精度较高,结果可靠。