基于多通道Transformer的交通量预测方法

作者：周楚昊; 林培群

来源：计算机应用研究, 2022, 1-6.

• 交通流预测
• 多通道
• Transformer
• 注意力机制
• 高速公路

目前，我国高速公路拥堵程度居高不下，而交通流预测作为实现智能交通系统的重要一环，若能对其实现高精度的预测，那么将能够高效地管理交通，从而缓解拥堵。针对该问题，提出了一种考虑时空关联的多通道交通流预测方法(MCST-Transformer)。首先，将Transformer结构用于不同数据的内在规律提取，然后引入空间关联模块对不同数据间的关联特征进行挖掘，最后，借助通道注意力整合优化全局信息。采用广东省高速公路数据，实现了两小时内92个收费站的高精度流量预测。结果表明：MCST-Transformer优于传统机器学习方法以及部分基于注意力机制的时间序列模型，在120min预测跨度下，相比贝叶斯回归，MAPE降低了5.1%；对比Seq2Seq-Att以及Seq2Seq这些深度学习算法，所提出方法的总体MAPE也能降低0.5%，说明通过多通道的方式能够区分不同数据的特性，进而更好地预测。

• 单位
  华南理工大学