山东大学学报(工学版)

作者：邹正标,刘毅志,廖祝华,赵肄江

单位：1.湖南科技大学计算机科学与工程学院, 湖南 湘潭 411201;2.湖南科技大学服务计算与软件服务新技术湖南省重点实验室, 湖南 湘潭 411201

关键词：智能交通系统,交通流量预测,注意力机制,时空相关性,图卷积网络,

基金：国家自然科学基金面上资助项目(41871320);湖南省重点研发计划资助项目(2023sk2081)

针对现有交通流预测方法大多忽略时空耦合相关性、时空变化性以及外部特征对预测结果准确性的影响,提出一种动态交通流量预测的时空注意力图卷积网络(attention-based spatio-temporal graph convolutional network, ATST-GCN)模型。提出基于注意力的双向门控循环单元结构,从动态空间序列中提取时间相关性;构建带残差链接的多层图注意网络(graph attention network, GAT)卷积模块,深入挖掘动态空间相关性;融合时变特征与时常特征,充分利用外部静动态特征的共同作用。采用PeMS数据集对交通流量预测的准确度进行验证,试验结果表明:本研究方法能够有效提高交通流量预测精度,优于现有的多数先进方法。在PeMS08和PeMS03 数据集上,本研究方法相对 STSGCN 模型分别提高 13.44%和 10.96%,相对T-GCN 模型分别提高21.41%和 21.32%,相对 STGCN模型分别提高 8.04%和 6.55%,相对 DMSTGCN 模型分别提高 3.23%和 2.80%,相对 Trendformer 模型分别提高 2.29%和 2.00%。

来源：2024年第5期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2024年第5期