基于时空动态循环图卷积网络的交通流预测

摘要：

交通流预测是一个典型的时空数据预测问题,交通流数据在时间上和空间上都表现出很强的相关性与动态性,以往的研究方法侧重对路网中时空关联进行建模,而忽略了路网节点的动态相关性,进而影响了交通流预测的精度.针对此问题,提出一个时空动态循环图卷积框架(DRGCN),包括基于动态图生成器的循环图卷积网络建模局部的交通时空特征和样本卷积交互网络建模全局时间特征.首先,在每个时刻通过循环神经网络和图卷积网络结合上一个时刻的交通特征生成邻接矩阵;然后,结合预定义邻接矩阵建模交通中的动态时空关联;最后,将大量辅助信息和隐藏状态结合,通过样本卷积交互网络建模全局的时间关系.实验结果表明:建构的模型在真实数据集上的表现优于已有的基线模型.

关键词：交通流预测、动态图神经网络、循环神经网络、样本卷积交互网络

所属期刊栏目：51

分类号：TP39(计算技术、计算机技术)

资助基金：浙江省基础公益研究计划项目;国家自然科学基金;国家自然科学基金;浙江省自然科学基金资助项目;浙江省属高校基本科研业务费专项资金资助项目

在线出版日期：2023-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：282-288