{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,8,23]]，“日期-时间”：“2024-08-23T11:50:57Z”，“时间戳”：1724413857518}，“引用-计数”：44，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-零件”：[2023,12,1]]，”日期-时间“：”2023-12-01T00:00:00 Z“，”timestamp“：1701388800000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2023,12,1]]，“date-time”：“2023-12-01T00:00:00Z”，“timestamp”：1701388800000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https://doi.org\/10.15223\/policy-017“}，{”开始“：{”日期部分“：[[2023,12,1]]，”日期时间“：“2023-12-01T00:00:00Z”，“timestamp”：1701388800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2023,12,1]]，“date-time”：“2023-12-01T00:00”，“时间戳”：1701488000000}，”content-versiion“：”stm-asf“，“delay-in-days:0”，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{“date-parts”：[[2023,12,1]]，“date-time”：“2023-12-01T00:00:00Z”，“timestamp”：1701388800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{（日期）：[[2023,12,1]，“日期-时间”：“023-12-01T1T00:00Z”，”timestamp“170138880000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-004”}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Expert Systems with Applications”]，”published-print“：{”date-parts“：[2023,12]}，”doi“：”10.1016\/j.eswa.2023.120724“，”类型“journal-article”，“created”：{“日期部分”：[[2023,6,7]]，“日期-时间”：“2023-06-07T15:40:13Z”，“时间戳”：1686152413000}，“页面”：“120724”，“更新策略”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“源”：“Crossref”，”is-referenced-by-count“：5，”special_numbering“：”C“，”title“：[“GSTC-Unet：具有信道自关注机制的U形多尺度时空图卷积网络，用于交通流预测”]，“前缀”：“10.1016”，“卷”：“232”，“作者”：[{“ORCID”：“http://\/ORCID.org\/0009-0008-0371-9519”，“authenticated-ORCID”：false，“给定”：“Wangzhi”，“family”：“Yu”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/orcid.org\/00000-0002-1500-6822”，“authenticated-orcid”：false，“given”：“Xiaoling”，“family”：“Huang”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：”http://\/orcid.org\/20000-0003-0494-3092“，”authenticationed-orcid“：false”，“giving”：“Yilei”，“家族”：“邱”，”sequence“：”additional：“http://\/orcid.org\/00000-0002-6405-584X”，“authenticated-orcid”：false，“given”：“Shuai”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[]}，{“orcid”：“引用”：[{“键”：“10.1016\/j.eswa.2023.120724_b0005”，“非结构化”：“Ba，j.L.，Kiros，j.R.，and Hinton，G.E.（2016）.层规范化。arXiv预印本arXiv:1607.06450.”}，{“问题”：“1”，“键”：“10.106\/j-eswa.2023.20724_b0010”，“doi-asserted-by”：“crossref”，“首页”：“96”，“doi”：“10.3141\/1748-12”，“文章标题”：“高速公路性能测量系统：挖掘环路检测器数据”，“卷”：“1748”，“作者”：“Chen”，“年份”：“2001”，“期刊标题”：“交通研究记录”}，｛“问题”：“11”，“关键”：“10.1016\/j.eswa.20213.120724_b0015”，“doi断言者”：“crossref”，“首页”：“3550”，“doi”：“10.1109\/TITS.2018.2835523”，“文章标题”：“PCNN:用于短期交通拥堵预测的深度卷积网络”，“volume”：“19”，“author”：“Chen”，“year”：“2018”，“journal-title”：“IEEE Transactions on Intelligent Transportation Systems”}，{“key”：”10.1016\/j.eswa.2023.120724_b0020“，“doi-asserted-by”：“crossref”，“doi”：“10.1016\/j.trc.2022.103820”，“article-title“：“用于全网交通流预测的新型增强型动态图卷积网络模型，带数据插补”，“容量”：“143”，“作者”：“陈”，“年份”：“2022”，“期刊标题”：“交通研究C部分：新兴技术”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0025”，“doi-asserted-by”：“crossref”，”doi“：“10.1016\/j.eswa.2023.120421”，“article-title”：“基于人工智能的交通流预测中的文献计量方法”，“volume”：“228”，“author”：“Chen”，“year”：“2023”，“journal-title“：“Expert Systems with Application”}，{“key”：：“第34届机器学习国际会议论文集，8月6日至11日，澳大利亚悉尼”，“首页”：“933”，“文章标题”：“用门控卷积网络进行语言建模”，“作者”：“Dauphin”，“年份”：“2017”}，{“key”：“10.1016\/j.eswa.2023.120724_b0035”，“series-title”：“第三十届神经信息处理系统国际会议论文集，12月5日至10日，美国纽约州Red Hook”，“首页”：“3844”，“文章标题”：“具有快速局域谱滤波的图上卷积神经网络”，“作者”：“Defferard”，“年份”：“2016”}，{“key”：“10.1016\/j.eswa.2023.120724_b0040”，“series-title”：“第十二届智能系统与知识工程国际会议论文集，11月24日至26日，中国南京”，“文章标题”：“基于混合深度学习框架的交通流预测”，“作者”：“杜”，“年份”：“2017”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0045”，“非结构化”：“Dumoulin，V.和Visin，F.（2016）.深度学习卷积算法指南。arXiv预印本arXiv:1603.07285.“}，{“key”：“10.1016\/j.eswa.2023.120724_b0050”，“series-title”：“IEEE\/CVF计算机视觉和模式识别会议论文集，6月16日至20日，美国加利福尼亚州长滩”，“首页”：“3024”，“article-title”：”全球二阶池卷积网络“，“author”：“Gao”，“year”：“2019”}10.1016\/j.eswa.2023.120724_b0055“，“series-title”：“第14届国际人工智能与统计会议论文集。4月11日至13日，美国佛罗里达州劳德代尔堡“，“首页”：“315”，“文章标题”：“深度稀疏整流神经网络”，“作者”：“Gloot”，“年份”：“2011年”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0060”，“系列标题”：《第33届AAAI人工智能会议论文集，1月27日至2月1日，美国夏威夷州檀香山》，“首版”：“922”，“article-title“：”基于注意的时空图卷积网络用于交通流预测“，”author“：”Guo“，”year“：”2019“}，{”issue“：”11“，”key“：”10.1016\/j.eswa.2023.120724_b0065“，”doi-asserted-by“：”crossref“，”first page“：交通预测时空图形数据的学习动态和异质性”，“量”：“34”，“作者”：“郭”，“年份”：“2021”，“期刊标题”：“IEEE知识与数据工程学报”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0070”，“doi-asserted-by”：“crossref”，《首页》：“61”，“doi”：“1016\/j.trc.2015.08.017”，“article-title”：“基于识别相似交通模式的短期交通流量预测”，“交通量”：“66”，“作者”：“Habtemichael”，“年份”：“2016年”，“期刊标题”：“交通研究C部分：新兴技术”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0075”，“series-title”：“国际人工神经网络研讨会，6月7日至9日，西班牙马拉加托雷莫利诺斯，“首页”：“195”，“文章标题”：“S形函数参数对反向传播学习速度的影响”，“作者”：“Han”，“年份”：“1995”}，{“密钥”：“10.1016\/j.eswa.20213.120724_b0080”，“系列标题”：“第29届IEEE计算机视觉和模式识别会议记录，6月26日至7月1日，美国拉斯维加斯”，“首页”：“770”，“文章标题”：“图像识别的深度剩余学习”，“作者”：“他”，“年份”：“2016”}，{“密钥”：“10.1016\/j.eswa.2023.120724_b0085”，“series-title”：“第31届IEEE计算机视觉与模式识别会议记录，6月18日至22日，美国犹他州盐湖城，“，“首页”：“7132”，“文章标题”：“挤压与激励网络”，“作者”：“胡”，“年份”：“2018”}，{“key”：“10.1016\/j.eswa.2023.120724_b0090”，“论文标题”：交通流预测的多视图动态图卷积神经网络”，“交通量”：“119779”，“作者”：“黄”，“年份”：“2023”，“期刊标题”：“应用专家系统”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0095”，“非结构化”：“Li，Y.G.，Yu，R.，Shahabi，C.，Liu，Y.（2017）扩散卷积递归神经网络：数据驱动的交通预测。arXiv预打印arXiv:1707.01926.“}，{”key“：”10.1016\/j.eswa.2023.120724_b0100“，”unstructured“：”Liu，A.，and Zhang，Y.Y.（2022）.用于流量预测的时空交互式动态图卷积网络。arXiv预先打印arXiv:2205.08689.“}第27届国际人工智能联合会议论文集，7月13日至19日，瑞典斯德哥尔摩”，“首页”：“3470”，“文章标题”：“LC-RNN:交通速度预测的深度学习模型”，“作者”：“Lv”，“年份”：“2018”}，{“问题”：“4”，“关键”：“10.1016\/j.eswa.2023.120724_b0115”，“doi-asserted-by”：“crossref”，“第一页”：”818“doi”：“10.3390\/s17040818“，“article-title”：“将交通作为图像学习：用于大规模交通网络速度预测的深度卷积神经网络”，“volume”：“17”，“author”：“Ma”，“year”：“2017”，“journal-title“：”Sensors“}，{“key”：”10.1016\/j.eswa.2023.120724_b0120“，”doi-asserted-by“：”crossref“，”first page“：”187“，“doi”：“10.1016\/j.trc.2015.03.014“，“文章标题”：“使用远程微波传感器数据进行交通速度预测的长短期记忆神经网络”，“卷”：“54”，“作者”：“马”，“年份”：“2015年”，“期刊标题”：《交通研究第C部分：新兴技术》}，{“关键”：“10.1016\/j.eswa.2023.120724_b0125”，“非结构化”：“Oord，A.V。D.、Dieleman，S.、Zen，H.、Simonyan，K.、Vinyals，O.、Graves，A.、Kavukcooglu，N.、Senior，A.和Kavukcuoglu（2016）。Wavenet：原始音频的生成模型。arXiv预印本arXiv:1609.03499.“}，{”key“：”10.1016\/j.eswa.2023.120724_b0130“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1016\/j.trc.2017.024”，“article-title”：“短期交通流预测的深度学习”，“volume”：“79”，“author”：“Polson”，“year”：“2017”，“journal-title“：”交通研究C部分：新兴技术“}，{“key”：“10.1016\/j.eswa.2023.120724_b0135”，“doi-asserted-by”：“crossref”，“首页”：“405”，“doi”：“101016\/j.ins.2022.11.168”，“article-title”：“事件驱动交通速度预测的图形注意力融合网络”，“volume”：”622“，“author”：“邱”，”year“2023”，“journal-title“：”Information Sciences“}，{”issue“1”，“key“：“10.1016\/j.eswa.2023.120724_b0140”，“首页”：“225”，“文章标题”：“MB-LSTM混合网络的短期交通流预测方法”，“卷”：“23”，“作者”：“曲”，“年份”：“2020”，“期刊标题”：《IEEE智能交通系统学报》}，{“key”：“10.116\/j-eswa.2023.20724_b0145”，“doi-asserted-by”：“crossref”，”第一页“：“81606”，“DOI”：“10.1109\/ACCESS.2020.2991462”，“article-title”：“基于CNN、LSTM和转置CNN的全市交通拥堵预测”，“volume”：“8”，“author”：“Ranjan”，“year”：“2020”，“journal-title“：”IEEE ACCESS“}，{“key”：”10.1016\/j.eswa.2023.120724_b0150“，”series-title“：“第32届神经信息处理系统国际会议论文集，12月3日至8日，加拿大蒙特利尔”，“首页”：“2488”，“文章标题”：“批处理规范化如何帮助优化？”，“作者”：“Santurkar”，“年份”：“2018”}，{“问题”：“8”，“关键”：“10.1016\/j.eswa.2023.120724_b0155”，“doi-asserted-by”：“crossref”，“第一页”：“4909”，“DOI”：“10.1109\/TITS.2020.2983651”，“文章标题”：“交通预测的时空注意力方法”，“卷”：“22”，“作者”：“史”，“年”：“2020”，“期刊标题”：“IEEE智能交通系统汇刊”}，{“密钥”：“10.1016\/j.eswa.20213.120724_b0160”，“DOI断言者”：“crossref”，“首页”：“217”，“DOI”：“10.1016\/0024-3795（73）90023-2”，“article-title”：“Hadamard乘积与多元统计分析”，“volume”：“6”，“author”：“Styan”，“year”：“1973”，“journal-title“：”线性代数及其应用“}，{“key”：”10.1016\/j.eswa.2023.120724_b0165“，”doi-asserted-by“：”crossref“，”doi“：”10.116\/j.ewa.2023.119959“，”article-title“：“用于长短期交通量预测的时空多特征融合网络”，“量”：“224”，“作者”：“王”，“年份”：“2023”，“期刊标题”：“应用专家系统”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0170”，“系列标题”：《第十六届IEEE国际数据挖掘会议论文集》，12月12日至15日，西班牙巴塞罗那，“首页”：“499”，“article-title”：“交通速度预测和拥堵源探索：一种深度学习方法”，“作者”：“王”，“年份”：“2016”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0175”，“series-title”：“欧洲计算机视觉会议论文集，9月8日至14日，德国慕尼黑”，“article-title”：“CBAM：卷积块注意模块”，“author”：“Woo”，“year”：“2018”}，{“key”：“10.1016\/j.eswa.2023.120724_b0180”，“series-title”：“第28届人工智能国际联合会议论文集，8月10日至16日，中国澳门”，“首页”：“1907”，“article-title”：《深时空图形建模的图形Wavenet》，“audor”：“Wu”，“year”：“2019”}，{“key”：“10.1016\/j.eswa.2023.120724_b0185”，“series-title”：“第26届ACM SIGKDD国际知识发现和数据挖掘会议论文集，7月6日至10日，美国加利福尼亚州虚拟事件”，“first page”：《753》，“article-title”：《连接点：用图神经网络进行多元时间序列预测》，“author”：“Wuo”，“年份”：“2020”}，{“key”：“10.1016\/j.eswa.2023.120724_b0190”，“article-title”：“用于出租车需求预测的双时间门限多图卷积网络”，“author”：“Yang”，“year”：“2021”，“journal-title“：“神经计算与应用”}：“第27届国际人工智能联合会议论文集，7月13日至19日，瑞典斯德哥尔摩”，“首页”：“3634”，“文章标题”：“时空图卷积网络：交通预测的深度学习框架”，“作者”：“Yu”，“年份”：“2018”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0200”，“series-title”：“第31届AAAI人工智能大会论文集。2月4日至9日，美国加利福尼亚州旧金山”，“第一页”：“1655”，“文章标题”：“用于全市人群流动预测的深度时空残差网络”，“作者”：“张”，“年份”：“2017”}，{“关键”：“10.1016\/j.esw.2023.120724_b0205”，“doi断言”：“crossref”，“doi”：“10.1016\/j.knosys.2022.109028”，“article-title”：“基于时空数据嵌入的动态图卷积网络用于交通流预测”，“volume”：“250”，“author”：“Zhang”，“year”：“2022”，“journal-title“：”Knowledge-based Systems“}，{”key“：”10.1016\/j.eswa.2023.120724_b0210“，”doi-asserted-by“：”crossref“，”doi“：“10.1016\/j.eswa.2022.117511”，“article-title”：“用于交通速度预测的基于注意的动态时空图卷积网络”，“volume”：“204”，“author”：“Zhao”，“year”：“2022”，“journal-title“：“Expert Systems with Applications”}，{“key”：：“第34届AAAI人工智能会议论文集，2月7日至12日”，“首页”：“1234”，“文章标题”：“GMAN：用于流量预测的图形多关注网络”，“作者”：“郑”，“年份”：“2020”}，{“key”：“10.1016\/j.eswa.2023.120724_b0220”，“doi-asserted-by”：“crossref”：“大型道路网交通速度预测的动态时空深度学习框架”，“卷”：“195”，“作者”：“郑”，年：“2022”，“期刊标题”：“应用专家系统”}，{“关键”：“10.1016\/j.eswa.2023.120724_b0225”，“doi-asserted-by”：“crossref”，”doi“：”10.1016\/j.ewa.2011.115992“，”article-title“：“用于交通量预测的具有合成数据的时空多图卷积网络”，“交通量”：“187”，“作者”：“朱”，“年份”：“2022”，“日志标题”：“应用专家系统”}]，“容器标题”：[“应用专家系统”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S0957417423012265？httpAccept=text\/xml”，“内容类型”：“text\/xml”，“内容版本”：“vor”，“预期应用程序”：“文本挖掘”}，｛“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S0957417423012265？httpAccept=text\/plain”，“内容类型”：“text\/plain”，“内容版本”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2023,12,26]]，“date-time”：“2023-12-26T10:39:49Z”，“timestamp”：1703587189000}，“score”：1，“resource”：{primary“：{”URL“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0957417423012265”}}，”subtitle“：[]，”shorttitle“：[]，“issued”：date-parts“：[[2023,12]]}，”references-count“：44，“alternative-id”：[“S0957417423012265”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.eswa.2023.120724”，“关系”：{}，“ISSN”：[”0957-4174“]，“ISSN-type”：[{“值”：“0957-4173”，“类型”：“打印”}]，“主题”：[]，“发布”：{“日期parts”：[2023,12]}，“，”name“：”publisher“，”label“：”本文由“}，{”value“维护”：“GSTC-Unet：具有信道自关注机制的U形多尺度时空图卷积网络，用于交通流预测”，“name”：“articletite”，“label”：“Article Title”}，{“value”：“Expert Systems with Applications”，“name”：“journaltitle”，“table”：“Journal Title“}，”{“value”：“https:\/\/doi.org\/101016\/j.eswa.2023.120724”，“名称”：“articlelink”，“label”：“CrossRef DOI link to publisher maintained version”}，{“value”：“artificle”，“name”：“content_type”，“table”：“content-type”}、{“value”：“\u00a9 2023 Elsevier Ltd.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“120724”}}