典型文献
基于多时间尺度时空图网络的交通流量预测模型
文献摘要：
交通流预测在智能交通系统的建设中起着关键作用.但由于其复杂的时空依赖性和本身的不确定性使得研究变得极具挑战性.现有的一些方法主要是将单一的时间序列输入到循环神经网络以捕获时间依赖性,而且多数模型仅对时间模块和空间模块进行简单的堆叠,导致不能有效地融合时间和空间特征.为了解决以上问题,文中提出了一个多时间尺度时空图网络模型.模型先将序列数据划分为3种时间尺度序列,然后将序列输入到时空块(ST-Block)中提取数据的时空依赖性,最后进行预测.在时空块中使用图卷积网络和变体Transformer分别捕获数据中的时间和空间依赖性,并通过门控融合机制将两者提取到的特征进行融合.在两个真实的数据集上分别进行了短期和长期的预测实验,结果表明了M TSTGNN模型在交通流预测任务上的优秀性能.
文献关键词：
交通流预测;图卷积网络;注意力机制;Transformer;门控融合机制
中图分类号：
作者姓名：
汪鸣;彭舰;黄飞虎
作者机构：
四川大学计算机学院 成都610041
文献出处：
引用格式：
[1]汪鸣;彭舰;黄飞虎-.基于多时间尺度时空图网络的交通流量预测模型)[J].计算机科学,2022(08):40-48
A类：
门控融合机制,TSTGNN
B类：
多时间尺度,时空图网络,交通流量预测模型,交通流预测,智能交通系统,时空依赖性,循环神经网络,捕获时间,时间依赖性,空间模块,堆叠,时间和空间特征,一个多,序列数据,数据划分,度序列,Block,提取数据,图卷积网络,变体,Transformer,空间依赖性,过门,取到,短期和长期,注意力机制
AB值：
0.276291
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。
