科研之友
微信
新浪微博
Facebook
分享链接
摘要
准确的交通流预测能够为管理部门提供科学的决策依据，是交通领域内最重要的问题之一。目前交通流预测中未充分考虑到交通流量与密度、交通流量与速度之间的关联性特征信息，以及忽略多尺度时间特征的问题，提出了一种面向交通流预测的双分支时空图卷积神经网络。首先，该网络依据交通数据的周期性，将其划分为近期与周期两种时间粒度的数据输入；其次，在每个输入分支中，先通过关联性门控线性单元AGLU提取流量与密度、流量与速度之间的关联性特征信息；然后，通过图卷积层和多尺度时间卷积层提取关联性特征中的空间与时间上下文信息，并采用预测卷积层输出近期、周期双分支预测结果；最后，通过门控机制融合预测结果，从而实现交通流量的准确预测。实验结果表明：本文模型在交通流预测准确性与稳定性方面整体优于其他模型。
- 单位
