-
题名基于时空多图融合的交通流量预测
被引量：1
- 1
-
-
作者
顾焰杰
张英俊
刘晓倩
周围
孙威
-
机构
北京交通大学计算机与信息技术学院
交通数据分析与挖掘北京市重点实验室(北京交通大学)
北京交通大学智慧高铁系统前沿科学中心
交通大数据与人工智能教育部重点实验室(北京交通大学)
-
出处
《计算机应用》
CSCD
北大核心
2024年第8期2618-2625,共8页
-
基金
中央高校基本科研业务费专项(科技领军人才团队项目)(2022JBQY009)。
-
文摘
交通预测是智能交通系统(ITS)的核心任务,准确的交通流量预测(TFF)可以大幅提高公共资源的利用效率。针对现有多图神经网络模型对上下文信息使用不足、图融合方法不平衡和只考虑静态空间关系等问题,提出基于时空多图融合(STMGF)的TFF模型。首先,通过融合空间图、语义图和空间语义图提取不同区域的不同空间相关性,并利用空间注意力机制和图注意力机制融合不同的图结构以动态学习不同邻居的重要性;然后,使用多核时间注意力机制同时捕获局部时间依赖性和全局时间依赖性;最后,使用多层感知机预测交通流量,得到最终预测值。在NYCTaxi和NYCBike数据集验证模型的有效性。实验结果表明,在NYCBike数据集的36步预测任务中,与时空图卷积神经网络(STGCN)、基于时空注意力的图神经网络(ASTGNN)、元图卷积递归网络(MegaCRN)相比,所提模型的均方根误差(RMSE)分别降低了8.46%、2.70%和2.20%。
-
关键词
多图融合
多核注意力
空间注意力
图注意力
深度学习
-
Keywords
multi-graph fusion
multi-kernel attention
spatial attention
graph attention
deep learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于局部扰动的时间序列预测对抗攻击
被引量：1
- 2
-
-
作者
张耀元
原继东
刘海洋
王志海
赵培翔
-
机构
交通大数据与人工智能教育部重点实验室(北京交通大学)
北京交通大学计算机与信息技术学院
-
出处
《软件学报》
EI
CSCD
北大核心
2024年第11期5210-5227,共18页
-
基金
中央高校基本科研业务费专项资金(2022JBMC011)
国家自然科学基金(61702030)。
-
文摘
时间序列预测模型已广泛应用于日常生活中的各个行业,针对这些预测模型的对抗攻击关系到各行业数据的安全性.目前,时间序列的对抗攻击多在全局范围内进行大规模扰动,导致对抗样本易被感知.同时,对抗攻击的效果会随着扰动幅度的降低而明显下降.因此,如何在生成不易察觉的对抗样本的同时保持较好的攻击效果,是当前时间序列预测对抗攻击领域亟需解决的问题之一.首先提出一种基于滑动窗口的局部扰动策略,缩小对抗样本的扰动区间;其次,使用差分进化算法寻找最优攻击点位,并结合分段函数分割扰动区间,进一步降低扰动范围,完成半白盒攻击.和已有的对抗攻击方法在多个不同深度模型上的对比实验表明,所提出的方法能够生成不易感知的对抗样本,并有效改变模型的预测趋势,在股票交易、电力消耗、太阳黑子观测和气温预测这4个具有挑战性的任务中均取得了较好的攻击效果.
-
关键词
时间序列预测
对抗攻击
对抗样本
半白盒攻击
滑动窗口
差分进化
-
Keywords
time series forecasting
adversarial attack
adversarial sample
semi-white-box attack
sliding window
differential evolution(DE)
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
