科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确地预测驶入高速公路服务区的车流量有助于提升服务区智能化管理的效率。由于流量数据自身的动态性和路网拓扑结构等因素的影响，流量数据中存在复杂的时空相关性。为捕获流量序列中复杂的时空相关性，实现准确地驶入服务区流量预测，提出一种动态时空图神经网络模型。该模型使用感知趋势性变化的多头注意力模块捕获流量数据在时间维度的动态性，通过空间动态图卷积模块捕获驶入服务区的车流量与路网中其他断面流量的动态相关性和空间异质性。基于时空位置嵌入表示，考虑了流量数据在时间维度的顺序性和空间维度的静态属性。模型基于编码器-解码器结构，通过反向传播实现端到端的训练。最后，基于真实高速路网数据的实验说明了提出方法的有效性。
-
单位北京交通大学; 电子信息工程学院
