基于图注意力网络的交通流量时空预测模型

摘要：

准确的交通流量预测是实现城市路网数据管控的重要任务,传统的方法往往忽略了交通流量因素之间的相互影响以及交通网络的时空依赖性.提出了一种基于图注意力网络的时空预测模型用于解决上述问题,命名为ST-GATC.在输入层,同时将多个交通流量变量作为输入,挖掘各因素之间的非线性关系.在模型方面,首先将道路网络建模为时空有向图,使用卷积模块对样本在时间步上的特征进行捕捉.然后采用多头注意力图网络聚合道路网络中节点的邻居信息,使每个注意力机制分别处理一个子空间,为目标节点的不同邻接节点分配不同的注意力权重.最后使用一个全连接层对数据进行输出.结果表明,在模型对照试验中,相较于对照组模型,ST-GATC模型的RMSE降低了约0.571～9.288,MAE降低约0.314～7.678,证明了ST-GATC模型在交通流量预测任务中表现优秀,可以用做交通流量预测系统的预测模型.在参数试验中,分别进行了多组试验,获取模型拟合效果随注意力头数、神经元个数及输入因素个数增长的变化趋势,对参数的最佳数值进行了选取.结果显示,该模型在输入维度为2,注意力头数为3,隐藏层神经元个数为64时具备较为优秀的预测效果.

关键词：城市交通、交通流量预测模型、GAT模型、交通流量、多因素

所属期刊栏目：39

分类号：U491.1(交通工程与公路运输技术管理)

资助基金：公安部公安理论;软科学研究计划项目;中国人民公安大学拔尖创新人才培养经费支持研究生科研创新项目;中国人民公安大学公共安全行为科学与工程科技创新项目

在线出版日期：2022-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：153-160