用于交通流预测的多图融合与延迟对齐动态图卷积网络

作     者：马驰 

作者机构：上海理工大学光电信息与计算机工程学院上海 

出 版 物：《运筹与模糊学》 (Operations Research and Fuzziology)

年 卷 期：2024年第14卷第1期

页      码：856-871页

摘      要：交通流预测的根本挑战是如何高效捕获复杂而又动态的时空相关性。大多数研究所采用的时空图神经网络以静态方式捕获道路节点间的时空相关性,忽视了交通状况在不同节点间传播具有时间延迟的特性,难以建模隐藏动态关联。为此,提出多图融合与延迟对齐动态图卷积网络(MGF-DA-DGCN),该网络设计了一个延迟对齐模块来捕获由于传播延迟而损失的空间信息。其次引入一种新的多图融合方法,在构造的多图基础上生成新的动态图结构,增强模型对空间异质性的捕获能力,模拟节点间动态关联。最后将多图融合动态图卷积嵌入到交互式学习结构中,在多个时间分辨率下同步捕获并共享时空相关性。三个公共交通流数据集与11种基线模型的实验结果表明,MGF-DA-DGCN具有最优的预测性能。

主 题 词：交通流预测 多图融合 延迟传播 动态图卷积 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.12677/ORF.2024.141079

馆 藏 号：203126161...