用于城市出租车目的地预测的时空混合量子-经典图卷积神经网络方法

本文提出了一种使用混合量子-经典模型预测出租车目的地的新方法。使用图卷积神经网络表明试图对位置之间的空间关系进行建模，而量子计算的集成暗示了计算效率或准确性的潜在改进。专注于出租车目的地预测是一个实际应用，对城市规划和交通优化具有潜在益处。来源为ArXiv表明这是一篇研究论文，可能详细介绍了所提出方法的方法论、实验和结果。

• •提出了一种用于出租车目的地预测的混合量子-经典模型。
• •利用图卷积神经网络对空间关系进行建模。
• •侧重于一个实际应用，对城市规划和交通运输具有潜在益处。
• •作为研究论文发表在ArXiv上。