多源因果解释图推理模型

无探测器路段交通状态精准估计

该模型通过融合固定与移动检测器数据，结合路网拓扑逻辑图与空间相似性加权，实现对无探测器路段交通状态的半监督推理，并提供可解释性分析。

徐东伟 · Yufu, Tang · Peng, Hang · 郭海锋 · Xuan, Qi

IEEE Internet of Things Journal 2024

技术优势

融合多源数据

通过跨层随机游走策略，融合固定检测器构成的路网拓扑图和移动检测器构成的路网逻辑图，实现多源数据嵌入。

空间相似性加权

结合路段静态特征、兴趣点分布和嵌入特征计算路段间空间相似性，构建加权时空图。

可解释推理

结合解释模块，为基于图的半监督推理提供可解释性分析，使推断数据更合理准确。

应用场景

• 智能交通系统：为城市交通管理提供完整交通状态数据，支撑智能交通系统运行。
• 交通状态估计：推断无探测器路段的交通状态，获得全城完整交通数据。
• 图神经网络：通过图半监督学习融合路网结构与数据，提升估计精度与可解释性。