【亲测免费】 GCN_predict-Pytorch: 交通流量预测

项目描述

本项目使用PyTorch实现了图卷积网络（GCN，GAT，Chebnet）用于交通流量预测。通过本项目，您可以学习如何利用图卷积网络对交通流量数据进行建模和预测。

环境要求

• 火炬（PyTorch）
• 脾气暴躁（NumPy）
• 熊猫（Pandas）
• Matplotlib

数据集

本项目使用的数据集由Caltrans绩效评估系统（PEMS-04）收集，包含307个探测器在2018年1月至2月的交通流量数据。数据集包含以下特征：

• 流量
• 占用
• 速度

数据分析

1. 数据分布可视化：通过data_view.py脚本，您可以对流量、占用和速度三个特征的数据分布进行可视化分析。
2. 特征选择：每个节点（检测器）都有三个特征，但其中两个特征的数据分布基本固定，因此我们只采用一维特征进行建模。

数据读取

在traffic_dataset.py文件中，get_adjacent_matrix和get_flow_data函数分别用于读取相邻矩阵和流量数据。

模型训练

在train.py文件中，您可以运行模型训练代码，对交通流量数据进行预测。

使用方法

1. 数据可视化：

   python data_view.py
   

2. 模型训练：

   python train.py
   

贡献

欢迎对本项目进行改进和扩展，如果您有任何建议或问题，请提交Issue或Pull Request。

许可证

本项目采用MIT许可证，详情请参阅LICENSE文件。