面向时空交通栅格流量预测的3D通道注意力网络

作     者：童凯南 林友芳 刘军 郭晟楠 万怀宇 TONG Kainan;LIN Youfang;LIU Jun;GUO Shengnan;WAN Huaiyu

作者机构：北京交通大学计算机与信息技术学院北京100044 中国民航信息网络股份有限公司北京101318 

基　　金：中国博士后科学基金资助项目(2021M700365) 

出 版 物：《国防科技大学学报》 (Journal of National University of Defense Technology)

年 卷 期：2022年第44卷第3期

页      码：41-49页

摘      要：城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型--3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。

主 题 词：时空数据 交通栅格流量 3D通道注意力 通道内注意力 通道间注意力 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11887/j.cn.202203006

馆 藏 号：203112008...