-
题名面向动态交通流多步预测的时空图模型
被引量：1
- 1
-
-
作者
杨平
李成鑫
刘宜成
吕淳朴
-
机构
四川大学电气工程学院
清华大学自动化系
-
出处
《计算机工程与设计》
北大核心
2024年第4期1195-1201,共7页
-
基金
四川大学-泸州战略合作基金项目(2020CDLZ-4)。
-
文摘
为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入特征共同构建三维嵌入邻接张量,用于捕获时空依赖关系;在图卷积网络中添加自适应更新机制,利用循环组件演化图卷积网络的参数,以捕获图序列的动态性。将所提模型应用于基于真实交通数据集的交通流预测,结果验证了其有效性和提取路网隐式关系的准确性。
-
关键词
交通流预测
时空数据嵌入
深度游走算法
节点向量表示
时空依赖
动态图卷积
自适应更新机制
-
Keywords
traffic flow forecasting
spatio-temporal data embedding
deepwalk algorithm
node vector representation
spatio-temporal dependence
dynamic graph convolution
self-adapting updating mechanism
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于时空多头图注意力网络的交通流预测
被引量：5
- 2
-
-
作者
梁秀霞
夏曼曼
何月阳
梁涛
-
机构
河北工业大学人工智能与数据科学学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第2期500-509,共10页
-
基金
河北省自然科学基金(No.F2021202022)。
-
文摘
针对当前路网交通流量预测方法中存在的挖掘复杂的动态时空特性和长距离的空间依赖性能力不足等问题,基于多头自注意力网络构建一种新型的交通流预测模型.考虑到交通流在不同周期尺度下呈现出的高度相似性,以及静态时空特征,引入日和周这2种周期尺度下的数据张量作为模型输入,来表达交通流数据的时间相似性,并通过输入数据的时空位置编码获取其静态时空特征.考虑到交通流的动态时空特性和长距离的空间依赖性,主体模型基于多头自注意力机制分别设计时间多头注意力模块和空间多头注意力模块.时间多头注意力模块利用一个图掩码矩阵获得局部注意力,并将其融合到一个多头自注意力中,以提取交通流的动态时间特征.空间多头注意力模块利用两个图掩码矩阵获得局部注意力和全局注意力,并将其融合到一个多头自注意力中,以提取路网节点的动态空间特征和长距离的空间依赖性.最后,设计一个门控融合模块自适应地融合交通流数据的时空相关性特征.在三个真实交通流基准数据集PEMS04,PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在3个数据集上的3个预测精度指标与其他精度最高模型相比,平均提高了4.437%,2.930%,4.275%.
-
关键词
智能交通
多头图注意力网络
图掩码机制
特征融合
时空数据位置嵌入
-
Keywords
intelligent transportation
multi-head graph attention network
graph masking mechanism
feature fusion
spatio-temporal data position embedding
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
U491.1
[交通运输工程—交通运输规划与管理]
-
