原文传递
基于动态时间调整的时空图卷积路网交通流量预测
| 题名： | 基于动态时间调整的时空图卷积路网交通流量预测 |
| 正文语种： | 中文 |
| 作者： | 刘宜成;李志鹏;吕淳朴;张涛;刘彦 |
| 作者单位： | 四川大学,电气工程学院;清华大学,自动化系 |
| 关键词： | 智能交通;交通流量预测;图卷积网络;路网交通流量;DTW算法;注意力机制 |
| 摘要： | 为深入挖掘交通流数据的复杂时空特征并建立其依赖关系，提高交通流参数的预测精度，本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络(TSARGCN)。TSARGCN对输入数据进行切片，实现多分支建模，挖掘数据的时间周期性特征；引入残差网络保证网络中信息传递的完整性；利用DTW(Dynamic Time Warping)算法计算路网中节点之间交通流量序列在时间维度的相似程度大小，提出时间图的概念，结合路网结构中各节点的邻近关系，提出时空关系图的概念；基于时空关系图，在每个分支结合注意力机制分别进行图卷积和时间维度卷积，捕获交通流的时空特征及其依赖关系，实现对路网交通流量数据时空关系的建模。经过在公开数据集PEMSD4上进行实验，结果表明：TSARGCN在交通流量预测中的平均绝对误差(MAE)达到19.24，均方根误差(RMSE)达到27.09，比ARIMA(Autoregressive Integrated Moving Average model)，Conv-LSTM(Convolution Longshort-term memory)AASTGCN(Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度。 |
| 期刊名称： | 交通运输系统工程与信息 |
| 出版年： | 2022 |
| 期： | 03 |
| 页码： | 147-157,178 |
检索历史
应用推荐
