基于时空注意力网络的动态高速路网交通速度预测

摘要：

交通速度是影响高速路网通行效率和安全的重要指标,精准预测高速路网交通速度可以减少交通事故和通行时间,预先为交通控制提供有价值的参考信息,对高速公路管理具有重要意义.基于时空注意力网络,提出一种由数据和长期预测任务驱动面向动态高速路网的交通速度预测模型(ST-ANet).通过图注意力网络提取高速路网的动态空间关联特征,使用长短期记忆网络提取输入数据的时间关联特征.在此基础上,采用基于多头自注意力机制的时间注意力网络计算历史输入数据和预测值之间的相关性,并利用密集连接和层归一化方法进一步提升模型性能.基于中国宁夏回族自治区银川市高速路网监测数据进行实验,结果表明,与GCN-LSTM模型相比,ST-ANet模型预测未来1 h、2 h和3 h内高速路网交通速度的平均绝对误差分别降低4.0％、3.6％和3.9％.

关键词：交通工程、高速路网交通速度预测、ST-ANet预测模型、时间注意力、空间注意力、长短期记忆网络

所属期刊栏目：49

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金71961137006

在线出版日期：2023-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：303-313