摘要：
管理自行车共享系统的一个基本问题是自行车流量预测。由于单站流量预测难度较大，近期研究多采用集群级流量预测。然而，它们不能直接指导站级细粒度的系统管理问题。在本文中，我们重新审视了车站级自行车流量预测的问题，旨在利用深度学习技术的突破来提高预测精度。我们提出了一个多图卷积神经网络模型来预测站点级别的流量，其中关键的新颖性是从图的角度查看自行车共享系统。更具体地说，我们为自行车共享系统构建了多个图来反映异构站间关系。之后，我们融合多个图并应用卷积层来预测车站级未来的自行车流量。真实自行车流量数据集的结果验证了我们的多图模型可以通过减少高达 25.1% 的预测误差来胜过最先进的预测模型。
bib:
@inproceedings{2018Bike,
title={Bike Flow Prediction with Multi-Graph Convolutional Networks},
author={ Chai, Di and Wang, Leye and Yang, Qiang },
booktitle={the 26th ACM SIGSPATIAL International Conference},
year={2018},
}
2. RESGCN: RESidual Graph Convolutional Netw
