基于自适应时空图神经网络的交通预测

作     者：赵腾宇 李昕 黄晶晶 ZHAO Teng-yu;LI Xin;HUANG Jing-jing

作者机构：辽宁工业大学电子与信息工程学院辽宁锦州121001 辽宁工业大学实业总公司辽宁锦州121001 

出 版 物：《辽宁工业大学学报（自然科学版）》 (Journal of Liaoning University of Technology(Natural Science Edition))

年 卷 期：2024年第44卷第4期

页      码：249-256页

摘      要：准确的交通预测对城市规划、交通安全有着重要的意义。现有的预测模型大多集中在设计复杂的预定义的图来捕获交通数据的特征。然而,交通数据具有很强的空间依赖性,这意味着道路网络拓扑图的节点之间往往存在着复杂的相关性,并且道路网络的拓扑图随着时间的推移而变化。预定义的图可能无法完整获取交通信息。针对该问题,提出了一个基于自适应时空图神经网络的交通预测模型,首先提出一个图结构学习组件,分别捕获交通网络的宏观和微观信息,将它们集成为最优图邻接矩阵。然后设计一个时空卷积块用以捕获交通数据的时空特性。在METR-LA和PEMS-BAY数据集上展开实验,实验结果表明所提出模型的预测性能优于主流模型。

主 题 词：深度学习 交通预测 图神经网络 时空卷积块 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.15916/j.issn1674-3261.2024.04.008

馆 藏 号：203140793...