Short-term Traffic Forecasting Using Graph Neural Networks on Taxi Data

dc.contributor.advisorHadachi, Amnir, juhendaja
dc.contributor.advisorPuura, Joonas, juhendaja
dc.contributor.authorPyvovar, Pavlo
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.contributor.otherTartu Ülikool. Arvutiteaduse instituutet
dc.date.accessioned2024-10-02T12:44:38Z
dc.date.available2024-10-02T12:44:38Z
dc.date.issued2024
dc.description.abstractLiikluse prognoosimise ülesanne seisneb linna liiklusolukorra ennustamises teatud tuleviku aegadeks. Täpsed liiklusennustused on olulised ummikute ennetamiseks, mis halvendavad märkimisväärselt elukvaliteeti linnas, ja efektiivsemate liikuvsteenuste pakkumiseks, mis võimaldavad linnaelanikel paremini liigelda. Masinõppel põhinevaid meetodeid on liikluse prognoosmise ülesandeks varem laialdaselt rakendatud. Hiljuti on hakatud rohkem rakendama graaf-närvivõrkudel põhinevaid lahendusi. Käesolevas töös rakendatakse graaf-närvivõrke liikuvusettevõtte Bolt poolt jagatud andmetele. Töös näidatakse, et meie poolt arendatud graaf-närvivõrkudel põhinev implementatsioon suudab õppida hooajalisust, kuid võrreldes traditsioonilisemate masinõppe meetoditega, ei anna paremaid tulemusi. Seega, et rakendada graaf-närvivõrkudel põhinevaid lahendusi praktikas, on vaja teha täiendavat tööd.
dc.identifier.urihttps://hdl.handle.net/10062/105036
dc.language.isoen
dc.publisherTartu Ülikoolet
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Estoniaen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ee/
dc.subjectTraffic forecasting
dc.subjectMachine learning
dc.subjectDeep learning
dc.subjectGraph neural networks
dc.subjectLiikluse prognoosimise
dc.subjectmasinõpe
dc.subjectsügav õppimine
dc.subjectgraaf-närvivõrgud
dc.subject.othermagistritöödet
dc.subject.otherinformaatikaet
dc.subject.otherinfotehnoloogiaet
dc.subject.otherinformaticsen
dc.subject.otherinfotechnologyen
dc.titleShort-term Traffic Forecasting Using Graph Neural Networks on Taxi Data
dc.typeThesisen

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
Pyvovar_computer_science_2024.pdf
Size:
7.29 MB
Format:
Adobe Portable Document Format