基于时空图卷积网络的城市交通流预测模型
Urban Traffic Flow Prediction Model Based on Spatio-temporal Graph Convolutional Network作者机构:河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024
出 版 物:《武汉理工大学学报(交通科学与工程版)》 (Journal of Wuhan University of Technology(Transportation Science & Engineering))
年 卷 期:2023年第47卷第2期
页 面:234-238页
学科分类:08[工学] 082303[工学-交通运输规划与管理] 082302[工学-交通信息工程及控制] 0823[工学-交通运输工程]
基 金:河北省自然科学基金(F2018205102) 河北省教育厅重点项目(ZD2021063) 河北师范大学研究生创新资助项目(CXZZSS2021071) 河北师范大学研发中心专项基金(L2022T04)
主 题:交通流预测 MFGC-STGCN 邻接矩阵 图卷积网络
摘 要:针对交通流的高度非线性和复杂性特征,构建了多因子图构建时空图卷积网络(multi-factor graph construction spatio-temporal graph convolutional network,MFGC-STGCN),进行交通流预测.提出了获取节点间空间关联性的图构建算法,通过考虑节点间交互交通流数量、交互时间代价,以及流出交通流相似度三个因子,构建图的邻接矩阵.基于图卷积网络(graph convolutional network,GCN),以图的邻接矩阵构建拉普拉斯矩阵,提取交通流的空间特征.基于门控线性单元(gated linear units,GLU),提取交通流的时间特征.使用石家庄二环范围的网约车数据对模型进行评价.结果表明:MFGC-STGCN的预测精度优于其他对比预测模型.