Spatial Graph Coarsening: Weather and Weekday Prediction with London’s Bike-Sharing Service using GNN

要約

この研究では、グラフ分類タスクとして、Santander Cycles 自転車シェアリング システムのデータセットから、ロンドンの 1 日の天気と平日を予測するためのグラフ ニューラル ネットワーク (GNN) の使用を導入しました。
提案された GNN モデルでは、(i) トレーニングされたノード埋め込みによるグラフ特徴の連結演算子と、(ii) 地理的連続性に基づくグラフ粗化演算子、すなわち「空間グラフ粗化」が新たに導入されました。
自転車ステーション周辺の土地利用特性と世帯数のノード特徴と、都市の気温のグラフ特徴により、私たちが提案したモデルは、クロスエントロピー損失と検証データセットの精度においてベースラインモデルを上回りました。

要約(オリジナル)

This study introduced the use of Graph Neural Network (GNN) for predicting the weather and weekday of a day in London, from the dataset of Santander Cycles bike-sharing system as a graph classification task. The proposed GNN models newly introduced (i) a concatenation operator of graph features with trained node embeddings and (ii) a graph coarsening operator based on geographical contiguity, namely ‘Spatial Graph Coarsening’. With the node features of land-use characteristics and number of households around the bike stations and graph features of temperatures in the city, our proposed models outperformed the baseline model in cross-entropy loss and accuracy of the validation dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google