基于RIM的交通流量预测

作者：温雯; 江建强; 蔡瑞初; 郝志峰

来源：广东工业大学学报, 2023, 1-7.

• 交通流量预测
• 图注意力网络
• 循环独立机制

交通流量预测是智能交通控制和管理系统的一个重要环节，但交通流量数据具有时间和空间上的非线性和复杂性等特征，为对其进行精准预测，本文提出了Graph Temopral Recurrent Independent Mechanisms (G-t RIM)模型，该模型使用图注意力网络(Graph Attention Networks, GAT)来有效捕获交通流量数据的空间依赖关系，使用循环独立机制(Recurrent Independent Mechanisms, RIM)来精准刻画交通流量数据的潜在状态。最后在北京和贵州数据集上，以均方误差(Mean Square Error, MSE)和平均绝对误差(Mean Absolute Error, MAE)为指标进行实验，结果表明，G-t RIM在各个数据集上的表现均优于基准模型。

• 单位
  广东工业大学