STGAN: Spatial-temporal Graph Autoregression Network for Pavement Distress Deterioration Prediction
Created by
Haebom
Category
Empty
저자
Shilin Tong, Difei Wu, Xiaona Liu, Le Zheng, Yuchuan Du, Difan Zou
개요
본 논문은 불규칙하고 비동기적인 공간-시간 데이터로 인해 기존의 공간-시간 모델을 적용하기 어려운 포장도로 손상 예측 문제를 해결하기 위해 새로운 그래프 신경망 모델인 STGAN(Spatial-Temporal Graph Autoregression Network)을 제안합니다. STGAN은 공간 및 시간 영역을 통합하여 공간-시간 튜플을 노드로, 유사성 기반 연결 메커니즘을 통해 에지를 생성하는 큰 그래프를 생성합니다. 포장도로 손상 악화 예측을 그래프 자기회귀 작업으로 공식화하여 그래프 크기가 점진적으로 증가하고 예측이 순차적으로 수행되도록 합니다. 상하이 지역의 포장도로 손상 기록을 포함하는 ConTrack 데이터셋을 사용하여 STGAN의 성능을 검증하고, 기존 모델보다 우수한 성능을 보임을 실험적으로 입증합니다.
시사점, 한계점
•
시사점:
◦
불규칙하고 비동기적인 공간-시간 데이터를 사용한 포장도로 손상 예측 문제에 대한 효과적인 해결책 제시.
◦
STGAN 모델의 우수한 예측 성능을 실험적으로 검증.
◦
사전 예방적 도로 유지보수 의사결정 및 도로 안전 및 복원력 향상에 기여.
•
한계점:
◦
ConTrack 데이터셋 하나만 사용하여 모델 성능을 평가했으므로, 다른 데이터셋에 대한 일반화 성능 검증 필요.
