SAGE-GSAN:基于街景影像的出租车一氧化碳排放估计的图方法

文章预览

    今天给大家分享一篇最近出版在Journal of Cleaner Production 的一篇文章。该杂志为环境类期刊，主要关注清洁生产、可持续发展和环境科学等领域。 导语      准确预测城市道路车辆的碳排放是当前城市交通领域面临的挑战。本文提出了一种新的SAGE-GSAN(图样本和聚合-图空间注意网络)模型来解决这一问题。它将图神经网络与街景特征和路网结构相结合，对街道层面的交通一氧化碳排放进行预测。该方法以武汉市街景图像、5075个路网结构和19个街道视觉元素作为输入特征，以行驶轨迹获取的一氧化碳排放量作为预测数据。该方法在预测街道出租车一氧化碳排放量方面的实验精度为81.4%。本研究还比较了传统神经网络的预测结果，并分析了不同街道级特征和图卷积层对预测精度的影响。我们的研究揭示了自行车和交通标志等街道视觉特征对CO排放预测 ………………………………