Skip to content

Latest commit

 

History

History
103 lines (91 loc) · 4.47 KB

README_zh-CN.md

File metadata and controls

103 lines (91 loc) · 4.47 KB

DL-Traff-Graph: Graph-Based Deep Learning Models for Urban Traffic Prediction

Introduction

English | 简体中文

DL-Traff是一个开放资源项目，为基于网格和基于图形的模型的流量预测提供了基准。DL-Traff-Graph是基于图形的项目的一部分。这部分主要工作在PyTorch1.6上。需要注意的是，不同版本的Pytorch在训练时间和性能上略有不同。在这个github中，我们将两种传统的统计方法、一种时间序列模型和大量的图神经网络模型集成到一个平台中。我们保证了所有模型都基于相同的数据处理、相同的超参数和相同的计算环境，如Pytorch和Cudnn的版本。尽管这会使得各个模型没有达到最终收敛的效果，但是正因如此而可以充分体现不同网络架构在同条件下的表现性能。我们会在后续工作中更新各个模型调优后的结果。

安装依赖环境

工作环境和主要依赖包:

  • Ubuntu 20.04.2 LTS
  • Python 3 (>= 3.6; Anaconda Distribution)
  • PyTorch (>= 1.6.0) py3.6_cuda10.1.243_cudnn7.6.3_0
  • torch-summary (>= 1.4.5)
    如果你安装的是torchsummary，你可能会碰倒报错, 关注源包网址获取更多细节： https://pypi.org/project/torch-summary/.
    在删除torchsummary后安装新库： pip install torch-summary
  • tables
  • pandas
  • scipy
  • scikit-learn

公开数据集和模型库

数据集

  • METR-LA
  • PeMS-BAY
  • PeMSD7(M)

模型

  • HistoricalAverage
  • CopyLastSteps
  • STGCN
  • DCRNN
  • GraphWaveNet
  • ASTGCN
  • GMAN
  • MTGNN
  • AGCRN
  • LSTNet
  • TGCN *Need thousands of epochs to converge.

组成介绍和用户指导

目录

  • METR-LA (数据集文件夹)
    • metr-la.h5 (特征数据文件)
    • adj_mx.pkl (非对称路网矩阵文件)
    • W_metrla.csv (对称路网矩阵文件)
    • ...
  • PeMS-BAY
    • pems-bay.h5 (特征数据文件)
    • adj_mx_bay.pkl (非对称路网矩阵文件)
    • W_pemsbay.csv (对称路网矩阵文件)
    • ...
  • PeMSD7(M)
    • V_228.csv (特征数据文件)
    • W_228.csv (对称路网矩阵文件)
    • ...
  • save (记录和结果文件夹, 将会被程序自动创建，其中会包含训练，预测和测试的过程和结果记录)
    • pred_METR-LA_STGCN_2106160000 (记录和结果文件命名由 pred+数据+模型+时间的方式组成)
    • pred_METR-LA_DCRNN_2106160000
    • ...
  • workMETRLA (METRLA 数据集下的主程序)
    • parameter.py (共同参数文件, 提供每个模型都会用到的参数)
    • parameter_STGCN.py (模型独有参数文件,提供仅限于本模型的参数。如果出现了和parameter.py一样的参数，本文件的参数将有优先权。)
    • STGCN.py (模型文件, 用来debug以及提供模型网络给主程序调用)
    • pred_STGCN3.csv (主程序, 针对STGCN网络的训练预测测试文件)
    • ...
  • workPEMSBAY (PEMSBAY 数据集下的主程序)
    • parameter.py (共同参数文件, 提供每个模型都会用到的参数)
    • parameter_STGCN.py (模型独有参数文件,提供仅限于本模型的参数。如果出现了和parameter.py一样的参数，本文件的参数将有优先权。)
    • STGCN.py (模型文件, 用来debug以及提供模型网络给主程序调用)
    • pred_STGCN3.csv (主程序, 针对STGCN网络的训练预测测试文件)
    • ...
  • workPEMSD7M (PEMSD7M 数据集下的主程序)
    • parameter.py (共同参数文件, 提供每个模型都会用到的参数)
    • parameter_STGCN.py (模型独有参数文件,提供仅限于本模型的参数。如果出现了和parameter.py一样的参数，本文件的参数将有优先权。)
    • STGCN.py (模型文件, 用来debug以及提供模型网络给主程序调用)
    • pred_STGCN3.csv (主程序, 针对STGCN网络的训练预测测试文件)
    • ...

用户指导

下载源码到你的设备上, 当你进入到一个路径后输入一下指令，代码将会被下载到该路径下:

git clone [email protected]:deepkashiwa20/DL-Traff-Graph.git

用STGCN在METRLA数据集下的运行来示范使用方法：

  • dataset
    注意！
    在你运行PEMSBAY数据集下的程序之前，记得解压pems-bay.zip释放出pems-bay.h5。由于github的文件大小限制，我们只上传的了PEMSBAY的压缩数据文件。
cd /PEMSBAY
unzip pems-bay.h5
  • debug和运行模型
cd /workMETR

# 在1号显卡上debug模型 :
python STGCN.py 1

# 在1号显卡是运行主程序进行训练，预测和测试。
python pred_STGCN3.py 1

# 当训练完成后查看结果.
cd /save/pred_STGCN_METRLA_21061600