科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流量预测是城市交通管理和规划中的关键问题，而传统预测方法在面对数据稀疏性、非线性关系和复杂动态性等挑战时表现不佳。图神经网络是一种基于非欧结构数据的深度学习方法，近年来在各种复杂网络建模和预测任务中得到广泛应用。为了应用于交通流量预测领域，研究人员提出了时空图神经网络，其能够捕捉空间和时间相关性，相较之前的预测模型有显著进步。分析了对近年来使用时空图神经网络进行交通流量预测的模型，首先概述和比较了多种邻接阵的构造方式，然后从空间相关性和时间相关性的角度列举了构建交通流预测模型的常用组件，并对不同的时空融合方式进行了分类和对比；在应用方面，根据时间尺度的不同将时空图神经网络模型分为长期预测、短期预测与兼顾长短期的预测三类，分析了各自的目标与要求，并列举比较了近年来较为突出的新模型。最后讨论了现有研究的局限性，对相关模型的未来研究提出了展望。
- 单位
