声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1777/TP
国际刊号：1000-1239
发布日期:
作者：倪庆剑,彭文强,张志政,翟玉庆,
关键词：交通流预测, 图神经网络, 时空, 信息增强, 注意力,
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.
来源：2022年第2期
《计算机研究与发展》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。