科研之友
微信
新浪微博
Facebook
分享链接
摘要
交通流量预测是时间序列分析中的一个重要问题，由于道路网络中存在复杂的动态时空依赖性，实现高精度交通流量预测具有挑战性。为了应对这些挑战，提出了一种名为STBiPGAT的时空注意力模型，旨在准确捕捉交通流量的时空动态特性。该模型将邻接矩阵、利用节点交通流提取的相关系数矩阵分别与交通流量特征矩阵送入图注意力网络中，以并行方式提取空间局部动态特征与空间隐藏关系，且进行特征融合。随后考虑到节点空间特征向量在时间维度的上下文信息和周期性特性，构造双向GRU组件以提取交通流量的前后时间特征。最后引入自注意力机制解决不同时刻输入特征影响的差异，通过全连接层生成预测结果。实验结果在两个真实交通数据集上的评估表明，STBiPGAT预测误差低于对比模型预测误差，显著提升了预测精度，证实其有效性。
- 单位
