基于多通道时空编码器的交通流量预测模型

摘要：

传统的交通流量预测模型对历史数据进行时空建模,忽略了交通数据的时间周期性内部潜在关系和交通路网间节点的距离特征和相似性空间特征.据此,提出面向交通流量预测的多通道时空编码器模型MC-STGNN,用于提高交通流量预测的准确率.首先将交通数据处理成三通道的周期性时间序列,并对整体的序列数据进行时间位置编码和自适应的空间位置编码,提取路网节点间的动态相关性;其次引入具有卷积结构的多头自我注意力机制,更大程度地捕获周期数据不同程度的时间相关性;最后提出一种图生成器生成新的时空图,提取路网节点间的相似性和距离特征,并利用门控图卷积网络整合原始图和新时空图的空间信息.在高速公路数据集PEMS03和PEMS08上进行一小时的交通流量综合预测实验,结果表明,MC-STGNN模型与其他的基线模型相比,具有更佳的性能指标,说明MC-STGNN模型具有更优的建模能力.

关键词：交通流量预测、编码器、空间位置编码、注意力机制、图生成器

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：广东省人文社会科学重点研究基地——汕头大学地方政府发展研究所开放基金资助项目07422002

在线出版日期：2024-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：83-87,93