基于Transformer的短时交通流预测

摘要：

随着道路上的车辆迅速增多,为了保障出行效率,需要在预测交通流量的基础上发布管控策略.交通数据具有高度非线性和时空依赖性,如何灵活提取交通数据的时空特征并发现其相关性来准确地预测交通流量具有一定的挑战.基于此,笔者提出一种新的基于Transformer的时空网络模型,将注意力机制引入到网络模型中,通过注意力机制有效捕捉动态数据的时空相关性,最后加权融合生成预测结果.

关键词：短时交通流、注意力机制、时空依赖性、神经网络

所属期刊栏目：34

分类号：TP183(自动化基础理论)

在线出版日期：2022-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：66-68