一种用于交通预测的注意力时空图神经网络

作     者：甘萍 农丽萍 张文辉 林基明 王俊义 GAN Ping;NONG Liping;ZHANG Wenhui;LIN Jiming;WANG Junyi

作者机构：桂林电子科技大学信息与通信学院广西壮族自治区桂林541004 西安电子科技大学通信工程学院陕西西安710071 广西师范大学物理科学与技术学院广西壮族自治区桂林541001 桂林电子科技大学计算机与信息安全学院广西壮族自治区桂林541004 

出 版 物：《西安电子科技大学学报》 (Journal of Xidian University)

年 卷 期：2023年第50卷第1期

页      面：168-176页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61966007) 广西自然科学基金(2020GXNSFAA159105) 广西无线宽带通信与信号处理重点实验室基金(GXKL06190204,GXKL06200116,GXKL06190117) “认知无线电与信息处理”教育部重点实验室基金(CRKL180201,CRKL180106)。 

主　　题：交通预测 时空相关性 注意力机制 图卷积网络 

摘      要：城市化的发展使得交通预测在交通规划和城市管理等应用中发挥着重要作用。然而在交通预测任务中,捕获交通数据的高度非线性和复杂的时空依赖关系仍具有很大的挑战性。为了更好地捕获交通数据的时间依赖性和全局空间相关性以及同时满足长期和短期的预测任务,设计了一种用于交通预测的注意力时空图神经网络。首先通过引入注意力机制来调整邻近道路与非邻近道路的重要性,整合全局空间信息;然后再通过图卷积网络和带有扩展因果卷积的门控线性单元来共同捕获时空相关性。在两个真实数据集PeMSD7(M)和PEMS-BAY上的实验结果表明,该网络模型可以较大地提高短期和长期的交通预测精度。