典型文献
融合外部属性的短时交通流预测研究
文献摘要：
针对现有交通流量预测算法大多仅考虑常态下的预测,而未考虑天气属性、周围地理属性对预测结果的影响,提出一种融合外部属性的组合预测模型(A-STIGCN).首先,将外部属性作为路网中路段的属性,同时对路段的属性和交通特征进行建模,得到增强的特征向量.其次,采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息,并借助门控循环单元(GRU)对时间信息的长时记忆能力以提取其时间特性.最后,通过注意力机制来捕获时空动态变化性进行交通流预测.采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测,研究结果表明:A-STIGCN组合模型预测效果优于传统线性模型及变体模型,与未引入注意力机制的ASTGCN模型相比,MAE降低了约0.131,精度提高了0.068,与未引入外部因素的TGCN模型对比分析,MAPE降低了约0.637％,精度提高了0.079,从而更好地为交通管理提供指导意见.
文献关键词：
交通流预测;图小波变换;自适应矩阵;外部因素;门控循环机制;注意力机制
中图分类号：
作者姓名：
王庆荣;吴玉玉;朱昌锋;王媛
作者机构：
兰州交通大学电子与信息工程学院,兰州730070;兰州交通大学交通运输学院,兰州730070
文献出处：
引用格式：
[1]王庆荣;吴玉玉;朱昌锋;王媛-.融合外部属性的短时交通流预测研究)[J].计算机应用研究,2022(10):2974-2978
A类：
STIGCN,图小波变换,TGCN,门控循环机制
B类：
外部属性,短时交通流预测,预测研究,交通流量预测,预测算法,围地,地理属性,组合预测模型,路网,中路,路段,交通特征,特征向量,自适应矩阵,空间特征,特征信息,门控循环单元,GRU,时间信息,长时记忆,记忆能力,时间特性,注意力机制,时空动态变化,出租车轨迹数据,应天,气数,POI,组合模型预测,线性模型,变体,ASTGCN,MAE,外部因素,模型对比分析,MAPE,交通管理
AB值：
0.331241
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。
