基于Graph Transformer的大规模路网交通流量预测

摘要：

为了捕捉大规模路网交通流量复杂、动态的时空特征,实现大规模路网交通流量的准确预测,建立了基于Graph Transformer的交通流预测模型.该模型运用GRU模块提取路网中历史交通流量的时间特征,根据分布在路网中的传感器之间的关联,建立以历史交通流量为节点、传感器间的相互联系为边的交通图.在此基础上,运用基于Graph Transformer的深度学习技术进行时空特征的提取.为了验证该预测模型的性能,基于PeMS高速公路数据集与6种基线模型进行对比,实验表明本文提出的预测模型展现了最优的预测性能.

关键词：大规模路网、门控循环单元、时空特征、交通流量

所属期刊栏目：26

分类号：U491(交通工程与公路运输技术管理)

资助基金：国家自然科学基金;广东省普通高校特色创新项目;广州市教育局高校科研项目

在线出版日期：2023-11-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：159-167