针对现有交通流预测方法无法对局部空间及动态时间建模的问题，提出一种图小波注意力门控循环神经网络模型(GW-AGRU)。将道路网络的空间信息以图的形式表示，运用基于小波变换的图卷积神经网络从图节点中提取邻近特征；在门控循环单元中融入注意力机制，充分挖掘交通数据的时间相关性；融合时空特征进行回归预测。在真实数据集上的实验结果表明，所提方法的预测性能均优于其他模型，能够有效地预测长期的交通流量。
科研之友
微信
新浪微博
Facebook
分享链接
