{“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”：[[2024,5,8]]，“日期-时间”：“2024-05-08T06:32:19Z”，“时间戳”：17151499310}，“引用-计数”：39，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：“日期-零件”：[[2024,5,1]]，”日期-时间“：”2024-05-01T00:00:00Z“，”timestamp“：1714521600000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com//tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[[2024,5,1]]，“date-time”：“2024-05-01T00:00:00Z”，“timestamp”：1714521600000}，“content-version”：“stm-asf”，“delay-in-days”：“0”，“URL“https:\\/doi.org\/10.15223\/policy-017“}，{“start”：{“date-parts”：[[2024,5,1]]，“date-time”：“2024-05-01T00:00:00Z”，“时间戳”：1714521600000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-037”｝，｛“开始”：｛“日期部分”：[[2024,5,1]]，“日期时间”：“2024-05-01T00:00:00Z”，“时间戳”：1714521600000｝，“内容版本”：“stm-asf”，“延迟天数”：0，“URL”：“https://doi.org/10.15223\/policy-012”｝，｛“开始”：｛“日期部分”：[[2024,5,1]]，“date-time”：“2024-05-01T00:00:00Z”，“timestamp”：1714521600000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2024,5,1]]，“datetime”：“204-05-01T00:00Z”，asf“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”}]，“内容域”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[”信息融合“]，“published-print”:{“date-parts”：[2024,5]}，”DOI“：“10.1016\/j.inffus.2024.102229”，“type”：“journal-article”，“created”：{“date-parts”：[[2024,1,5]]，“date-time”：“2024-01-05T08:58:33Z”，“timestamp”：1704445113000}，“page”：”102229“，”update-policy“：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“”：[“TC-GCN:用于交通量预测的三重交叉关注和图卷积网络”]，“前缀”：“10.1016”，“卷”：“105”，“作者”：[{“给定”：“雷”，“家族”：“王”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“德克”，“家庭”：“郭”，“顺序”：“附加”，“隶属关系”：[]}“”：false，“给定”：“华明”，“家族”：“吴”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“科秋”，“家族”：“李”，“序列”：“附加”，“隶属关系”：[]｝，｛“给定”：“伟”，“家族”：“余”，“序列”：“附加”，“隶属关系”：[]｝]，“成员”：“78”，“引用”：[｛“issue”：“1”，“key”：“10.1016\/j.infus.202102229_b1”，“doi由“：”crossref“，”首页“断言：“63”，“DOI”：“10.1007\/s41019-020-00151-z”，“article-title”：“交通预测调查：从时空数据到智能交通”，“volume”：“6”，“author”：“Yuan”，“year”：“2021”，“journal-title“：”data Sci.Eng.“}，{“key”：”10.1016\/j.inffus.2024.102229_b2“，”first page“：”17804“，”article-title“：“交通预测自适应图卷积递归网络”，“卷”：“第33卷”，“作者”：“白”，“年”：“2020”}，{“问题”：“1”，“关键”：“10.1016\/j.inffus.2024.102229_b3”，“首页”：“18”，“文章标题”：“城市交通网络动态建模及其出行行为分析”，“数量”：“2”，“作家”：“黄”，“年份”：“2005”，“journal-title”：“Chin.J.Manag.”}，{“key”：“10.1016\/J.inffus.2024.102229_b4”，“series-tile”：“用S-PLUS\u00ae建模金融时间序列”，“首页”：“385”，“article-title“：多元时间序列的向量自回归模型”，“author”：“Zivot”，“year”：“2006”}、{“key”：参考“，“非结构化”：“Y.Wang，J.Zhang，H.Zhu，M.Long，J.Wang，P.S.Yu，记忆中的记忆：用于从时空动力学学习高阶非平稳性的预测神经网络，收录于：IEEE计算机视觉和模式识别会议论文集，2019，pp.9154\u20139162.”，“DOI”：“10.1109\/CVPR.2019.00937”}，{“issue”：“1”，“key”：“10.1016\/j.inffus.2024.102229_b6”，“doi-asserted-by”：“crossref”，“doi”：“101080\/23311916.2021.2010510”，《文章标题》：“交通流预测模型\u2013A深度学习技术综述”，“卷”：“9”，“作者”：“Kashyap”，“年份”：“2022”，“期刊标题”：“Cogent Eng.”}，{“key“10.1016”：“j.inffus.2024.102229_b“，”doi-asserted-by“：“crossref”，“DOI”：“10.1016\/j.knosys.2022.109985”，“article-title”：“STHGCN：基于高阶图卷积网络的时空预测框架”，“volume”：“258”，“author”：“Wang”，“year”：“2022”，“journal-title“：“Knowl.-based Syst.”}，{“key”：：“递归神经网络监督序列标记”，“首页”：“37”，“文章标题”：“长短期记忆”，“作者”：“格雷夫斯”，“年份”：“2012”}，{“问题”：“4”，“密钥”：“10.1016\/j.inffus.2024.102229_b9”，“doi-asserted-by”：“crossref”，“第一页”：：“时空数据挖掘：问题和方法的调查”，“卷”：“51”，“作者”：“Atluri”，“年份”：“2018”，“期刊标题”：“ACM Compute.Surv.”}，{“key”：“10.1016\/j.inffus.2024.102229_b10”，“series-title”：“扩散卷积递归神经网络：数据驱动流量预测”，“author”：“Li”，“year”：“2017”}、{“key”：“10.1016\/j.inffus.2024.102229_b11”，“series-title”：“时空图卷积网络：交通预测的深度学习框架”，“author”：“Yu”，“year”：“2017”}，{“key”：“10.116\/j.inffus.2024.10229_b12”，“series-title”：”用于交通流预测的时空变换网络“，”author：“Xu”，”year“：“2020”}、{“issue”：“2”，“key”：“10.1016\/j.inffus.2024.102229_b13”，“doi-asserted-by”：“crossref”，“first page”：”153“，“doi”：“101111\/j.1467-9892.1990.tb00048.x”，“article-title”：“ARIMA模型分类的距离度量”，“volume”：：“11”，“author”：“Piccolo”，“year”：“1990”，“journal-title“：”j.Time-Ser.Anal.“}，{”key“10.1016-/j.in”ffus.2024.102229_b14“，“系列时间”：“2021 IEEE第17届国际自动化科学与工程会议”，“首页”：“1515”，“文章标题”：“基于变压器的地铁客流时空融合网络预测”，“作者”：“张”，“年份”：“2022”}，{“问题”：“6”，“关键”：“10.1016\/j.inffus.2024.102229_b15”，“doi-asserted-by”：“crossref”，“第一页”：”445“doi”：“10.1504\/IJETM.2023.134326”，“article-title”：“基于梯度提升回归树算法的花园空气污染源定位方法”，“volume”：“26”，“author”：“Huang”，“year”：“2023”，“journal-title“：”Int.J.Environ.Technol.Manag.“}，{“issue”：“2”，“key”：”10.1016\/J.inffus.2024.102229_b16“，”doi-asserted-by“：”crossref“，“first-pages”：“1417”，“DOI”：“10.3233\/JIFS-179916”，“文章标题”：“基于多元线性回归模型预测城市短期交通流量”，“卷”：“39”，“作者”：“Li”，“年份”：“2020”，“期刊标题”：“J.Intell.Fuzzy Systems”}，{“key”：“10.1016\/J.infus.202102229_b17”，“DOI断言者”：“crossref”，“DOI”：“10.1155\/2017\/7164790”，“文章标题”：“使用实时交通和POI进行土地利用对交通拥堵的影响分析”，“卷”：“2017年”，“作者”：“张”，“年份”：“17年”，《期刊标题》：“J.Adv.Transp.”}，{“关键”：“10.1016\/J.inffus.2024.102229_b18”，“doi-asserted-by”：“crossref”，“首页”：“111”，“doi”：“101007\/s1174-011-1192-6”，“文章标题”：“使用大规模出租车轨迹预测城市人口流动性及其应用”，“卷”：“6”，“作者”：“李”，“年份”：“2012年”，“期刊标题”：“前沿计算科学”}，{“关键”：“10.1016\/j.inffus.2024.102229_b19”，“doi-asserted-by”：“crossref”，“非结构化”：“j.Zhang，Y.Zheng，D。Qi，《用于城市人群流量预测的深时空剩余网络》，载：《AAAI人工智能会议论文集》，第31卷，第1期，2017年article-title“：基于卷积和递归神经网络的城市环境混合交通预测模型”，“volume”：“68”，“author”：“Shepelev”，“year”：“2023”，“journal-title”：“Transp。Res.Procedia“}，{“key”：“10.1016\/j.inffus.2024.102229_b21”，“series-title”：“2023年第四届智能电子与通信国际会议”，“首页”：“1191”，《article-title》：“智能交通监控的有效交通模型，为自动车辆监控系统启用深度RNN算法”，“author”：“Leelavathy”，“year”：“2023“}，{”key“：”10.1016\/j.inffus.2024.102229_b22“，”series-title“：”时间序列预测的深度变换模型：流感流行病例“，”author“：”Wu“，”year“：”2020“}”，{“issue”：“4”，“key”：“10.1016\/j.inffus.2024.102229_b23”，“doi-asserted-by”：“crossref”，“first page”：”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“，”卷“：”17“，”作者“：”马“，”年“：”2017“，”日志标题“：”传感器“}，{“问题”：“4”，“关键”：“10.1016\/j.inffus.2024.102229_b24”，”doi-asserted-by“：”crossref“，”首页“：”1748“，”doi“：”10.1016\/j.ijforecast.2021.03.012“，”article-title“：“用于可解释多水平时间序列预测的时间融合变压器”，“卷”：“37”，“作者”：“Lim”，“年份”：“2021”，“期刊标题”：“国际期刊预测”。“}，{”key“：”10.1016\/j.inffus.2024.102229_b25“，”series-title“：“神经信息处理国际会议”，”首页“：”362“，”article-title“：”图卷积递归网络的结构化序列建模“，”author“：”Seo“，”year“：”2018“}”，{“issue”：“1”，“key”：“10.1016\/j.inffus.2024.102229_526”，“首页”：“”1“，”“article-title”：“用于流量预测的动态图卷积递归网络：基准与解决方案“，”卷“：”17“，”作者“：”李“，”年份“：”2023“，”期刊标题“：”ACM Trans。知识。发现。数据“}，{“key”：“10.1016\/j.inffus.2024.102229_b27”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.trc.2021.103466”，“article-title”：“DDP-GCN：时空流量预测的多粒度卷积网络”，“volume”：”134“，”author“：”Lee“，”year“2022”，“journal-title“：”Transp.Res.C“}.2024.102229_b28“，”series-title“：“2016年中国自动化协会第三十一届青年学术年会”，“首页”：“324”，“文章标题”：“使用LSTM和GRU神经网络方法进行交通流预测”，“作者”：“傅”，“年份”：“2016”}，{“问题”：“9”，“关键”：“10.1016\/j.inffus.2024.102229_b29”，”doi-asserted-by“交叉引用”，“第一页”：”16137“doi”：“10.1109\/TITS.2022.3148105“，”article-title“：”基于时空图卷积网络的层次交通流预测“，”volume“：”23“，”author“：”Wang“，”year“：”2022“，”journal-title”：“IEEE Trans。智力。运输。系统。“}，{”key“：”10.1016\/j.inffus.2024.102229_b30“，”article-title“：”具有快速局部化谱滤波的图上的卷积神经网络“，”volume“：“vol.29”，”author“：”Defferrard“，”year“：”2016“}”，{“issue”：“9”，“key”：“10.1016\/j.inpfus.2024.2229_531”，“doi-asserted-by”：“crossref”，“first page”：”3848“，”doi“：”101109\/TITS.2019 9.2935152“，”文章标题“：”T-GCN:一个用于流量预测的时间图卷积网络“，”卷“：”21“，”作者“：”赵“，”年份“：”2019“，”期刊标题“：”IEEE Trans。智力。运输。系统。“}，{”key“：”10.1016\/j.inffus.2024.102229_b32“，”series-title“：”深度时空图形建模的图形小波网“，”author“：”Wu“，”year“：”2019“}、{”issue“：”3“，”key”：“10.1016\/j.inffus.2024.102229_533”，”doi-asserted-by“：”crossref“，”first page“：“199”，”doi“：”101023\/B:STCO.0000035301.49549.88“，”article le-title“：”支持向量回归教程”，“volume”：“14”，“author”：“Smola”，“year”：“2004”，“journal-title”：“Stat.Comput”。“}，{”issue“：”3“，”key“：”10.1016\/j.inffus.2024.102229_b34“，”doi-asserted-by“：”crossref“，”first-page“：”331“，”doi“：”101111\/j.1468-008.41.x“，”article-title“：”预测组合拼图的简单解释“，”volume“：“71”，“author”：“Smith”，“year”：“2009”，“journal-title”：“Oxf.Bull.Econ.Stat.”}，}“键“：”10.1016\/j.inffus.2024.102229_b35“，”doi-asserted-by“：”crossref“，”unstructured“：”H.Zhou，S.Zhang，j.Peng，S.Zhang，j.Li，H.Xiong，W.Zhang“，Informer：长序列时间序列预测的超越有效变压器，摘自：《AAAI人工智能会议论文集》，第35卷，第12期，2021年，第11106\u201311115页。“，doi”：“10.1609\/aaai.v35i12.17325“}，{“key”：“10.1016\/j.inffus.2024.102229_b36”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.physa.2021.126736”，“article-title”：“基于自动时空多图对抗性神经网络的流量预测”，“volume”：”590“author”：“Wang”，“year”：“2022”，“journal-title“：”Physica A“}”，{10.1016\/j.inffus.2024.102229_b37“，“series-title”：“图卷积网络的半监督分类”，“author”：“Kipf”，“year”：“2016”}，{“key”：“10.1016\/j.inffus.2024.102229_538”，“series-title”：”关于神经机器翻译的性质：编码器-解码器方法“，”author“：”Cho“，”year“：”2014“}，”{“密钥”：“”10.1016\/j.inffus.2024.102229_b39“，“series-title”：“欧洲信息检索会议”，“首页”：“45”，“文章标题”：“多领域分类数据的深度学习”，“作者”：“张”，“年份”：“2016”}]，“容器标题”：[“信息融合”]，“原文标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1566253524000071？httpAccept=text\/xml“，”content-type“：”text\/.xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S1566253524000071？httpAccept1=text\/plain“，”内容类型“：”文本\/plaine“，”content-version”：“vor”，“intended_application”：“text-mining”}]，“存放”：{“日期部分”：[[2024,2,3]]，“日期-时间”：“2024-02-03T19:43:36Z”，“时间戳”：1706989416000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://linkinghub.elsevier.com/retrieve\\/pii\\S1566253524000071”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2024,5]]｝，“引用次数”：39，“备选id”：[“S1566253524000071”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.inffus.2024.102229“，”关系“：{}，”ISSN“：[”1566-2535“]，”ISSN-type“：[{”value“：”1566-2555“，”type“:”print“}]，”主题“：[]，”published“：{”date-parts“：[2024,5]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher”，“label”：“此文章由”}，{维护“值”：“TC-GCN：用于流量预测的三重交叉关注和图卷积网络“，”name“：”articletitle“，”label“：”Article Title“}，”{“value”：“Information Fusion”，”name”：“journaltitle”，”lable“：”Journal Title”}，{“value”：“https:\\/doi.org\/10.1016\/j.inffus.2024.102229”，“name”：”articelink“，”标签“：”CrossRef DOI链接到出版商维护的版本“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“values”：“\u00a9 2024 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“102229”}}