Projet de fin d'étude : Méta Apprentissage profond pour la prédiction de l'état du trafic routier à partir des données Spatio-Temporel
Etudiant : ENNAJI YASSINE
Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)
Encadrant : Pr. BOUMHIDI JAOUAD
Annèe : 2021
Résumé : Le travail présenté dans notre mémoire nous a permis de comprendre comment concevoir un système de prédiction de traffic urban. pour les données spatio-temporelles avec des applications à la prévision du trafic urbain, capable d'apprendre les intégrations de nœuds et de bords liés au trafic à partir d'attributs géographiques et de modéliser des corrélations spatiales et temporelles. La première étape de notre travail concerne la construction de notre modele ST-MetaNet, se base sur l’extraction de caractéristiques à partir de edge-meta-knowledge, node-meta-knowledge et les informations historiques du trafic urbain\ La deuxième étape a été consacrée à l’implémentation de ST-MetaNet : un architecture séquence à séquence, composé de deux modules distincts, l'encodeur et le décodeur ont le même structures de réseau.