典型文献
基于自适应门控图神经网络的交通流预测
文献摘要：
交通流预测是智能交通系统中的重要组成部分,由于交通数据的复杂性,长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一.近年来,研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务,并取得了良好的预测性能.然而,现有的图建模方法仅通过预定义的邻接结构反映道路网络中的空间依赖关系,忽略了各节点之间的序列关联关系对预测的重要性.针对这一局限性,提出了一种自适应门控图神经网络(Ada-GGNN),其核心为通过空间传递模块同时捕获道路网络的空间结构及自适应的时序相关性,并通过门控机制学习节点上的时间序列特征.在两个真实交通网络数据集PeMSD7和Los-loop上的实验结果证明了该模型具有更优越的性能.
文献关键词：
交通流预测;时空图;自适应门控图神经网络;时序相关性
中图分类号：
作者姓名：
王杨;郑津;刘影;李平
作者机构：
西南石油大学计算机科学学院,成都610500
文献出处：
引用格式：
[1]王杨;郑津;刘影;李平-.基于自适应门控图神经网络的交通流预测)[J].计算机应用研究,2022(08):2306-2310
A类：
自适应门控图神经网络,PeMSD7
B类：
交通流预测,智能交通系统,交通数据,时间序列预测,时空图,图建模,预测性能,预定,邻接,道路网络,空间依赖,依赖关系,关联关系,一局,Ada,GGNN,时序相关性,过门,门控机制,时间序列特征,实交,交通网络,网络数据,Los,loop,更优越
AB值：
0.256962
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
