典型文献
基于轻量时空图卷积模型的路网交通流预测
文献摘要：
交通流预测是智能交通系统的重要组成部分.针对路网交通流天然具有的时空依赖性,结合交通流时序因果卷积与路网空间拓扑结构图卷积,提出一种基于递增式丢边的轻量时空图卷积神经网络模型,实现时空特征的有效融合,建立路网交通流高精度预测模型,提高交通流预测精度的同时降低其计算资源消耗、缩短预测响应时间.模型以单"三明治"式时空卷积模块为核心组件,减少时间卷积与空间卷积间的高计算消耗交互,有效提取交通流时空特征的同时保持整体结构轻量,其中的"厚夹心"空间图卷积采用多层图卷积网络以捕获远程高阶邻居节点信息、扩大空间感受野,并引入递增式丢边策略分阶处理邻居节点边,消解其潜在的过平滑.在模型训练中引入动态初始学习率,随模型训练进程演进动态调适学习率,进一步提升优化器性能,保证模型整体上的优越性.以真实基准交通流数据开展实验,对比分析本文所构建模型与多种相关基线模型的训练时间、预测精度等指标,并分析讨论所建模型在路网各节点上预测结果的离散性及其精度,解析多层图卷积可能具有的过平滑现象以及递增式丢边策略的消解能力.研究结果表明,本文所构建模型能有效捕获路网交通流的时空特性,以更少的训练时间获得更高的预测精度.
文献关键词：
智慧交通;路网交通流预测;轻量时空图卷积;递增式丢边;动态初始学习率
中图分类号：
作者姓名：
贺文武;裴博彧;毛国君;陈维亚
作者机构：
福建工程学院 计算机科学与数学学院,福建 福州 350118;福建省大数据挖掘与应用重点实验室,福建 福州 350118;中南大学 交通运输工程学院,湖南 长沙 410075
文献出处：
引用格式：
[1]贺文武;裴博彧;毛国君;陈维亚-.基于轻量时空图卷积模型的路网交通流预测)[J].铁道科学与工程学报,2022(09):2552-2562
A类：
轻量时空图卷积,时空图卷积模型,路网交通流预测,递增式丢边,动态初始学习率
B类：
智能交通系统,时空依赖性,流时,因果卷积,空间拓扑,拓扑结构图,时空图卷积神经网络,卷积神经网络模型,时空特征,有效融合,精度预测,计算资源,资源消耗,响应时间,三明治,卷积模块,减少时间,时间卷积,空间卷积,计算消耗,有效提取,整体结构,夹心,多层图,图卷积网络,邻居节点,节点信息,大空间,空间感,感受野,过平滑,模型训练,进动,动态调适,优化器,流数据,构建模型,基线模型,训练时间,分析讨论,离散性,时空特性,智慧交通
AB值：
0.231518
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。
