期刊专题

基于多时间尺度时空图网络的交通流量预测模型

引用
交通流预测在智能交通系统的建设中起着关键作用.但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性.现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块进行简单的堆叠,导致不能有效地融合时间和空间特征.为了解决以上问题,文中提出了一个多时间尺度时空图网络模型.模型先将序列数据划分为3种时间尺度序列,然后将序列输入到时空块(ST-Block)中提取数据的时空依赖性,最后进行预测.在时空块中使用图卷积网络和变体Transformer分别捕获数据中的时间和空间依赖性,并通过门控融合机制将两者提取到的特征进行融合.在两个真实的数据集上分别进行了短期和长期的预测实验,结果表明了M TSTGNN模型在交通流预测任务上的优秀性能.

交通流预测、图卷积网络、注意力机制、Transformer、门控融合机制

49

TP183(自动化基础理论)

国家重点研发计划;四川省重点研发计划;四川省重点研发计划;四川省重点研发计划;四川省重点研发计划

2022-08-11(万方平台首次上网日期,不代表论文的发表时间)

共9页

40-48

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

49

2022,49(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn