Diseño y mejora de un predictor de tráfico basado en GNN

Fauvell Monfort, Manuel. (2023). Diseño y mejora de un predictor de tráfico basado en GNN Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Fauvell_Monfort_Manuel_TFM.pdf Fauvell_Monfort_Manuel_TFM.pdf application/pdf 2.95MB
Título Diseño y mejora de un predictor de tráfico basado en GNN
Autor(es) Fauvell Monfort, Manuel
Resumen En este trabajo se realiza un estudio sobre el efecto de las formas de construcción de grafos y los efectos de las diferentes características disponibles. La previsión de tráfico es un problema cada vez más importante para la gestión y ordenación de las grandes ciudades. Durante los últimos cincuenta años han ido evolucionando los métodos y las técnicas utilizadas para la tarea de realizar previsiones de tráfico. Desde las primera técnicas puramente estadísticas hasta las actuales basadas en el aprendizaje profundo se ha recorrido un largo camino. Las Graph Neural Networks son la última técnica de moda que se ha aplicado a este problema, siendo un campo que está en rápido y continuo desarrollo. Siendo uno de los principales campos de expansión dentro del aprendizaje profundo. En este trabajo hemos realizado un estudio que ha estudiado el efecto de la forma de construcción de los grafos necesarios y la influencia de las diversas características adicionales al tráfico que se pueden añadir a los nodos. Presentando un conjunto de ellas y comparando su influencia entre ellas.
Abstract In this work, a study is carried out on the effect of the forms of graph construction and the effects of the different available characteristics. Traffic forecasting is an increasingly important problem for the management and planning of large cities. Over the last fifty years, the methods and techniques used for the task of traffic forecasting have evolved. From the first purely statistical techniques to the current ones based on deep learning, a long way has come. Graph Neural Networks are the latest fashionable technique that has been applied to this problem, being a field that is in rapid and continuous development. Being one of the main fields of expansion within deep learning. In this work we have carried out a study that has studied the effect of the way the necessary graphs are constructed and the influence of the various additional traffic characteristics that can be added to the nodes. Presenting a set of them and comparing their influence among them.
Notas adicionales Trabajo de Fin de Máster. Máster Universitario en Ingeniería Informática. UNED
Materia(s) Ingeniería Informática
Palabra clave Tráfico
Madrid
Aprendizaje profundo
GNN
Grafo
python
pytorch
DGL
Traffic
Deep Learning
Graph
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática
Director/Tutor Muñoz Mansilla, Rocío
Fecha 2023-10
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-II-Mfauvell
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-II-Mfauvell
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso acceptedVersion

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 97 Visitas, 15 Descargas  -  Estadísticas en detalle
Creado: Sat, 25 Nov 2023, 04:21:25 CET