基于多源异构时空数据融合的交通流量预测模型

摘要：

交通流量预测问题具有多源异构性,未来时刻的流量不仅与之前时刻的流量相关,同时也受城市区域间关系、天气情况、兴趣点(point of interest,POI)等异构时空数据的影响.针对此问题,提出一种基于多源异构时空数据融合的交通流量预测模型MHF-STNet.首先使用聚类方法获得城市区域不同的流量模式,并使用拼接、权重相加、注意力机制等多种方式融合交通流量、城市区域间的位置关系、天气、POI、工作日、假期多个模态的时空数据,使用深度学习方法对异构数据统一建模,预测未来时刻的交通流量.在北京出租车、纽约出租车和纽约自行车3个流量数据集上进行实验,与经典的交通流量预测模型相比,MHF-STNet的预测准确度有所提升.结果验证了MHF-STNet对异构时空数据统一建模的有效性.

关键词：交通流量预测、多源异构数据统一建模、时空相关性

所属期刊栏目：9

分类号：TP311(计算技术、计算机技术)

在线出版日期：2023-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：69-82