考虑时空相似性的动态图卷积神经网络交通流预测

作     者：谷振宇 陈聪 郑家佳 孙棣华 GU Zhen-yu;CHEN Cong;ZHENG Jia-jia;SUN Di-hua

作者机构：重庆大学自动化学院重庆400044 重庆城市管理职业学院商学院重庆401331 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2023年第38卷第12期

页      面：3399-3408页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0701[理学-数学] 080201[工学-机械制造及其自动化] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(62073049) 重庆市自然科学基金项目(cstc2021jcyj-msxmX0649) 重庆市教委科学技术研究项目(KJQN202003303)。 

主　　题：交通流预测 图卷积神经网络 动态图 时间相似性 空间相似性 Wasserstein距离 

摘      要：高精度的交通流预测对于大型城市的交通管理和智慧出行具有重要作用,而交通流动态时空相关性的挖掘则是提高预测精度的关键.针对现有研究中存在的对交通流在不同时间尺度下呈现出的高度相似性,以及处于相似功能区的非邻近节点间交通流变化的相似性考虑不足的问题,构建考虑时空相似性的动态图卷积神经网络(dynamic graph convolution neural network considering spatio-temporal similarity,STS-DGCN).以相邻时段、日和周等多时间尺度下的数据输入张量表达交通流数据的时间相似性,以路网节点间距离度量、相似性度量、自适应嵌入、动态相关性等多属性特征的邻接矩阵表达交通流数据的时空相似性,进而基于这些邻接矩阵构建反映路网节点时空动态变化的动态图,并设计相应的时空特征挖掘算法.在公开数据集上的实验结果表明,所提出模型的预测结果优于目前较为先进的对比基线模型,具有更高的预测精度.