基于混合图卷积的多通道时空交通流预测模型

ZHANG Xiongtao, ZHENG Jingyu,SHEN Qing, SUN Danfeng, JIANG Yunliang

Telecommunications Science(2023)

引用 0|浏览0
暂无评分
摘要
针对交通流预测模型没有考虑道路上下文相关性和空间依赖关系动态性的问题,提出一种基于混合图卷积的多通道时空交通流预测模型(MHGCN).该模型采用三明治结构(即中间多通道空间模块,两边时间模块)提取时空特征,多通道空间模块又分为静态图卷积模块和动态图卷积模块.静态图卷积模块同时从拓扑空间结构、语义空间结构及其组合中提取特定和公共的特征;动态图卷积模块对不同的特征分配不同的权重,从未知的图结构中提取动态的空间特征.时间模块中采用多头注意力机制提取全局时间特征,采用时间门控机制提取局部时间特征.该模型从不同的空间结构中提取空间信息,从不同时间间隔提取时间信息,建立全局、全面的时空关系.实验结果表明,MHGCN 模型在 4 个公开数据集上的性能优于现有的交通流预测模型.
更多
关键词
intelligent transportation,dynamic graph convolution,multi-head attention,spatial-temporal correlation,multi-channel
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要