基于图注意力网络的短时交通流量预测

作     者：贺佳佳 黄德启 王东伟 张阳婷 HE Jiajia;HUANG Deqi;WANG Dongwei;ZHANG Yangting

作者机构：新疆大学电气工程学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第19期

页      面：354-362页

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：新疆维吾尔自治区自然科学基金(2022D01C430) 国家自然科学基金(51468062) 

主　　题：交通流量预测 图注意力网络 注意力机制 时空相关性 

摘      要：交通流量预测是时间序列分析中的一个重要问题，由于道路网络中存在复杂的动态时空依赖性，实现高精度交通流量预测具有挑战性。为了准确捕捉交通流量的时空动态特性，提出了一种时空注意力模型STBiPGAT。该模型将邻接矩阵和利用节点交通流提取的相关系数矩阵，分别与交通流量特征矩阵送入图注意力网络中，以并行方式提取空间局部动态特征与空间隐藏关系，且进行特征融合。考虑到节点空间特征向量在时间维度的上下文信息和周期性特性，构造双向GRU组件以提取交通流量的前后时间特征。引入自注意力机制解决不同时刻输入特征影响的差异，通过全连接层生成预测结果。在两个真实交通数据集上的实验评估结果表明，STBiPGAT预测误差低于对比模型预测误差，显著提升了预测精度，证明了其有效性。