用于交通流量预测的多图扩散注意力网络

作     者：王泉 陆啟想 施珮 

作者机构：南京信息工程大学电子与信息工程学院 无锡学院物联网工程学院 

出 版 物：《计算机应用》 (Journal of Computer Applications)

年 卷 期：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 082303[工学-交通运输规划与管理] 0835[工学-软件工程] 082302[工学-交通信息工程及控制] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：江苏省高校自然科学研究面上项目(21KJB520020) 国家自然科学基金项目(62072216) 无锡市“太湖之光”基础研究项目(K20231021) 

主　　题：交通流预测 时空模型 自适应时空嵌入 图卷积网络 注意力网络 

摘      要：当前基于时空特征提取的交通流量预测方法中存在挖掘全局空间相关性与长期的动态时间依赖关系能力不足的问题，其中空间相关性的挖掘很大程度上取决于图结构的质量，为此提出一种多图扩散注意力网络(MGDAN)，主要包括多图扩散注意力模块和时间注意力模块。首先，使用自适应时空嵌入生成器构建动态的时空信息；其次，多图扩散注意力模块采用最大互信息系数矩阵与自适应矩阵挖掘细粒度的空间信息，并利用全局空间注意力机制挖掘动态的空间相关性；最后，使用时间注意力模块提取非线性的时间相关性，通过三个模块的结合实现时空相关性的有效提取。实验结果表明，MGDAN 1h内平均绝对误差(MAE)相较于ST＿AE(Spatio-Temporal AutoEncoder)、STID(Spatial-Temporal IDentity)模型分别降低了19.34%和5.74%，整体预测性能均优于其他9个基线模型，能够精准地进行中长期交通流预测，为城市交通疏导提供理论依据。