-
题名面向交通流量预测的多头注意力时空卷积图网络模型
被引量：9
- 1
-
-
作者
夏英
石栀琦
-
机构
重庆邮电大学计算机科学与技术学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第3期766-770,共5页
-
基金
国家自然科学基金资助项目(41971365)
重庆市教委重点合作项目(HZ2021008)。
-
文摘
为了充分获取交通流量数据中隐藏的复杂动态时空相关性,提高交通流量预测精度,提出一种多头注意力时空卷积图网络模型MASCGN。首先,采用多头注意力机制为路网中的交通传感器节点自动分配注意力权重,实现对不同邻居节点的权值自适应匹配,充分获取空间相关性;其次,采用带有门控和注意力机制的时空卷积网络充分提取时间序列相关性,并使用残差块结构实现时空卷积层之间的连接,使得模型更具有泛化能力;最后,分别提取周相关、日相关、邻近时间的序列数据,输入三个并行的时空组件以挖掘周、日、邻近三个时间窗口间的时间周期相关性,并通过全连接层获取最终的交通流量预测结果。利用高速公路交通数据集PEMSO4、PEMSO8进行了15 min、30 min、45 min和60 min的交通流量预测实验。实验结果表明MASCGN模型与现有基线模型相比,在未来短期和长期的交通流量预测任务上都具有更优的建模能力。
-
关键词
交通流量预测
动态时空相关性
多头注意力机制
图卷积
-
Keywords
traffic forecasting
dynamic spatio-temporal correlation
multi-headed attention mechanism
graph convolution
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
