典型文献
基于信息增强传输的时空图神经网络交通流预测
文献摘要：
交通问题不仅影响人们的出行,同时也会带来环境污染以及安全等问题,准确的交通流预测是构建智能交通系统、预防和缓解交通问题的关键.目前的预测方法大多没有考虑到交通流动态的时空相关性、周期性以及线性与非线性等特点.在充分考虑上述因素的基础上,提出一种基于信息增强传输的时空图神经网络模型,主要包含多特征注意力模块、信息增强传输模块、时间注意力模块以及线性与非线性融合模块.其中,多特征注意力模块捕获多种交通特征之间的内在联系,考虑交通流的周期性;信息增强传输模块充分利用了交通网络信息,以增强交通网络的信息传输能力,进而挖掘出复杂动态的空间依赖关系;时间注意力模块负责自适应地提取不同时间间隔之间的依赖关系;线性与非线性融合模块则同时考虑了数据的线性与非线性特征.论文在真实数据集上进行了大量对比实验,实验结果表明,对比目前较为先进的基线方法,提出的方法在交通流的预测性能方面,体现了较为明显的优势.
文献关键词：
交通流预测;图神经网络;时空;信息增强;注意力
中图分类号：
作者姓名：
倪庆剑;彭文强;张志政;翟玉庆
作者机构：
东南大学计算机科学与工程学院 南京 211189;东南大学网络空间安全学院 南京 211189
文献出处：
引用格式：
[1]倪庆剑;彭文强;张志政;翟玉庆-.基于信息增强传输的时空图神经网络交通流预测)[J].计算机研究与发展,2022(02):282-293
A类：
B类：
信息增强,时空图神经网络,交通流预测,交通问题,智能交通系统,和缓,解交,时空相关性,多特征,特征注意力模块,时间注意力,非线性融合,交通特征,交通网络,信息传输,传输能力,挖掘出,空间依赖,依赖关系,时间间隔,非线性特征,真实数据,比目,预测性能
AB值：
0.227462
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。
