西部交通科技2024，Issue(9) ：160-162.DOI:10.13282/j.cnki.wccst.2024.09.048

基于联邦学习和图卷积神经网络的交通流预测研究

刘华 储蓄蓄
西部交通科技2024，Issue(9) ：160-162.DOI:10.13282/j.cnki.wccst.2024.09.048
✕
  • NETL
  • NSTL
  • 万方数据

基于联邦学习和图卷积神经网络的交通流预测研究

刘华 1储蓄蓄1
扫码查看

作者信息

  • 1. 广西交通职业技术学院,广西 南宁 530023
  • 折叠

摘要

为实现交通流预测中的数据隐私保护,并提高预测准确性,文章提出一种基于联邦学习(FL)和图卷积神经网络(GCN)的交通流预测方法,即采用GCN模型对交通网络进行建模,通过联邦学习框架在客户端训练模型并只共享模型更新.结果表明,该方法有效地保护了数据隐私,同时也取得了良好的预测效果.

关键词

联邦学习/图卷积神经网络/隐私保护/交通流预测

引用本文复制引用

出版年

2024
西部交通科技
广西交通科学研究院

西部交通科技

影响因子：0.309
ISSN：1673-4874
段落导航相关论文