文章目录

1 相关工作

1.1 问题建模

1.2 图卷积

1.3 注意力机制

2 STEGN模型

2.1 总体框架

2.2 多特征注意力

2.3 信息增强传输机制

2.4 时间注意力

2.5 线性与非线性融合机制

3 实 验

3.1 数据集

3.2 实验设置

3.3 评价指标

3.4 基 线

3.5 实验结果与分析

3.6 消融分析

4 总结与展望

文章摘要:交通问题不仅影响人们的出行,同时也会带来环境污染以及安全等问题,准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交通流动态的时空相关性、周期性以及线性与非线性等特点.在充分考虑上述因素的基础上,提出一种基于信息增强传输的时空图神经网络模型,主要包含多特征注意力模块、信息增强传输模块、时间注意力模块以及线性与非线性融合模块.其中,多特征注意力模块捕获多种交通特征之间的内在联系,考虑交通流的周期性;信息增强传输模块充分利用了交通网络信息,以增强交通网络的信息传输能力,进而挖掘出复杂动态的空间依赖关系;时间注意力模块负责自适应地提取不同时间间隔之间的依赖关系;线性与非线性融合模块则同时考虑了数据的线性与非线性特征.论文在真实数据集上进行了大量对比实验,实验结果表明,对比目前较为先进的基线方法,提出的方法在交通流的预测性能方面,体现了较为明显的优势.

文章关键词:

论文分类号:U491.14;TP183