-
题名基于自注意力路由胶囊网络的交通流预测
- 1
-
-
作者
陈滨
金强
王晓琳
叶宝林
朱蓉
邵珠宏
-
机构
浙江理工大学计算机科学与技术学院(人工智能学院)
嘉兴大学嘉兴市智慧交通重点实验室
嘉兴南湖学院嘉兴市汽车零部件智能制造与运维重点实验室
首都师范大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2025年第10期2910-2918,共9页
-
基金
浙江省基础公益研究计划基金项目(LTGS23F030002、LQ23F010006)
嘉兴市公益性研究计划基金项目(2022AY10021)。
-
文摘
为适应城市快速发展,准确预测交通流,减少交通拥堵,提出一种基于自注意力路由胶囊网络的交通流预测模型(TE-CapsNet)。采用交通路网矩阵将交通流数据和路网空间信息进行联合表征,构建自注意力路由胶囊网络提取交通流空间特征,解决传统卷积网络池化操作导致特征细节和空间信息丢失的问题。同时引入交通流时间指数和星期指数,构建时域卷积神经网络提取交通流时空融合特征,通过全连接层预测得到交通流。采用METR-LA交通流数据集进行实证研究,结果表明所提模型在不同时间跨度相比于图卷积交通流预测算法,平均绝对误差、均方根误差和平均绝对百分比误差分别平均下降29.4%、12.0%和21.9%,能够有效地表征交通流时空特性,更准确地预测不同时间跨度内交通流分布,为交通管理提供可靠基础,代码已开源在https://github.com/yiluwanle/TE-Capsnet。
-
关键词
自注意力路由
胶囊网络
融合特征
时域卷积网络
交通路网矩阵
空洞因果卷积
交通流预测
-
Keywords
self-attention routing
capsule network
fused features
temporal convolutional network
traffic network matrix
dilated causal convolution
traffic flow prediction
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
