原文传递
融合Attention的时空图卷积模型在空闲车位数量预测中的应用
| 论文题名： | 融合Attention的时空图卷积模型在空闲车位数量预测中的应用 |
| 关键词： | 空闲停车位;数量预测;时空图卷积模型;注意力机制 |
| 摘要： | 随着城市汽车保有量和使用频率迅猛增长，城市“停车难”已经成为困扰城市发展的主要问题之一。造成城市“停车难”问题的原因一方面在于城市已有的停车基础设施无法满足庞大的停车需求，另一方面在于停车资源得不到合理的利用。鉴于城市可用于停车设施规划建设的土地有限，并不能进行大规模停车场建设，因此需要从如何更有效的利用停车资源的角度出发提出相应解决方案。目前智慧停车作为智慧城市建设的重要一环，也是面向城市停车难问题的有效解决方案，其关键点在于利用信息化和智能化手段实现对停车场未来时刻的空闲停车位数量预测，以提供精准的可用停车位信息及停车引导。 本文面向城市中各停车场空闲停车位数量预测问题，提出了一种融合注意力机制的时空图卷积的空闲车位预测方法，构建了融合多种特征变量（天气、节假日、停车场类型、停车场规模）在内的深度神经网络模型，并用来预测未来时间段市内停车场中空闲停车位的数量。相较于传统的时间序列预测问题，本文所研究的停车预测问题可归属为时空序列预测问题。针对此类问题的复杂性和动态性，本文所提出方法分别从时间和空间维度考虑，来捕获停车场之间的动态时空依赖性。本文模型主要由三个模块构成，包括时间注意力层、空间注意力层和时空卷积层。时间注意力层，通过将注意力机制应用到时间维度，来提取时间序列之间的依赖程度，以此来捕获不同时间序列之间的时间依赖关系;空间注意力层，考虑到各停车场节点之间的空间联系，通过空间注意力机制来提取不同停车场节点之间的关联程度，以此捕获节点之间的空间依赖关系;时空卷积层,分别在空间维度和时间维度进行卷积操作以此来共同捕获停车场的动态时空特征。为进一步满足对中长期和短期空闲停车位数量预测，根据不同时间粒度（相邻时间、日、周）同时构建了三个相同上述结构的基础组件，通过赋予不同的权重进行加权融合，以动态调节不同周期之间的影响。 本文在收集到的真实停车数据基础上，对上述空闲车位数量预测模型进行大量对比实验。实验结果表明，本文所设计的融合注意力机制的时空图卷积模型相较于基准模型,均取得的了最佳的性能，充分证明了融合注意力机制的时空图卷积模型方法的优越性。同时发现通过自身消融实验对比、特征组合实验对比，进一步验证了模型各重要组成模块的有效性以及模型所选取特征变量的合理性。 |
| 作者： | 郭倩倩 |
| 专业： | 应用统计 |
| 导师： | 王星惠 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
