基于循环独立机制的交通流量预测
交通流量预测是智能交通控制和管理系统的一个重要环节,但交通流量数据具有时间和空间上的非线性和复杂性等特征,为对其进行精准预测,本文提出了Graph Temopral Recurrent Independent Mechanisms(G-tRIM)模型.该模型使用图注意力网络(Graph Attention Networks,GAT)来有效捕获交通流量数据的空间依赖关系,使用循环独立机制(Recurrent Independent Mechanisms,RIM)来精准刻画交通流量数据的潜在状态.最后在北京和贵州数据集上,以均方误差(Mean Square Error,MSE)和平均绝对误差(Mean Absolute Error,MAE)为指标进行实验,结果表明,G-tRIM在各个数据集上的表现均优于基准模型.
交通流量预测、图注意力网络、循环独立机制
41
TP183(自动化基础理论)
广东省自然科学基金资助项目2021A1515011965
2024-02-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
86-92