图神经网络驱动的交通预测技术:探索与挑战

摘要：

随着物联网及人工智能技术的快速发展,对交通数据进行精准的分析和预测成为智慧交通的首要环节.近年来,交通预测方法逐渐从经典的模型驱动转变为数据驱动,然而,如何通过大数据有效分析路网的时空特性是预测过程中面临的关键难题之一.时空大数据分析是交通预测的利器,将交通路网建模为图网络,将深度学习方法在图网络上进行扩展,通过图神经网络建立时空预测模型,采用图卷积的方式有效地获取路网传感器节点之间的时空相关性,可以显著提高交通预测模型的精度.针对图神经网络驱动的交通预测技术进行了探索,基于深度时空特性分析提炼了两大类交通预测模型,并通过实例进行分析和验证,探讨了图神经网络在交通预测领域的技术优势和主要挑战,挖掘了图神经网络预测机制的潜在研究方向.

关键词：交通预测;图神经网络;时空相关性;同步卷积;图注意力网络

所属期刊栏目：5

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;河南省科技攻关项目;河南省科技攻关项目

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：1-16