典型文献
一种时空周期性注意力网络的交通流量预测模型
文献摘要：
当车流较密集时,易出现车辆拥堵继而引发交通事故,精确的交通流量预测对交通安全很重要.针对道路交通流量拥有复杂的空间相关性和时间依赖性的特性,本文提出了一种时空周期性注意力网络的交通流量预测模型(STPAN).首先,使用GCN构造空间相关性.其次,综合短期和长期的周期性信息对车流量进行预测,并采用LSTM获得时序依赖关系.交通流量数据具有周期性,然而此数据序列的周期性非真正意义上的按日或按周的.针对此问题,本文提出了 一个周期性注意力机制解决周期性时间变化.此外,还将外部信息增添到此模型中以提升模型的预测精度.最后本文在PeMS数据集上验证所提模型的有效性.
文献关键词：
交通预测;时空数据;注意力机制;神经网络
中图分类号：
作者姓名：
王婧娟;陈庆奎
作者机构：
上海立信会计金融学院信息管理学院,上海201209;上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]王婧娟;陈庆奎-.一种时空周期性注意力网络的交通流量预测模型)[J].小型微型计算机系统,2022(11):2321-2327
A类：
STPAN,添到
B类：
注意力网络,交通流量预测模型,拥堵,发交,交通事故,交通安全,很重,道路交通流量,空间相关性,时间依赖性,GCN,短期和长期,车流量,依赖关系,流量数据,数据序列,注意力机制,外部信息,PeMS,交通预测,时空数据
AB值：
0.276906
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。
