典型文献
基于动态时间调整的时空图卷积路网交通流量预测
文献摘要：
为深入挖掘交通流数据的复杂时空特征并建立其依赖关系,提高交通流参数的预测精度,本文提出一种新的交通流量预测模型——基于注意力机制和残差网络的时空关系图卷积网络(TSARGCN).TSARGCN对输入数据进行切片,实现多分支建模,挖掘数据的时间周期性特征;引入残差网络保证网络中信息传递的完整性;利用DTW(Dynamic Time Warping)算法计算路网中节点之间交通流量序列在时间维度的相似程度大小,提出时间图的概念,结合路网结构中各节点的邻近关系,提出时空关系图的概念;基于时空关系图,在每个分支结合注意力机制分别进行图卷积和时间维度卷积,捕获交通流的时空特征及其依赖关系,实现对路网交通流量数据时空关系的建模.经过在公开数据集PEMSD4上进行实验,结果表明:TSARGCN在交通流量预测中的平均绝对误差(MAE)达到19.24,均方根误差(RMSE)达到27.09,比ARIMA(Autoregressive Integrated Moving Average model),Conv-LSTM(Convolution Long short-term memory)及ASTGCN(Attention based Spatial-temporal Graph Convolutional Network)等知名交通流量预测算法具有更高的预测精度.
文献关键词：
智能交通;交通流量预测;图卷积网络;路网交通流量;DTW算法;注意力机制
中图分类号：
作者姓名：
刘宜成;李志鹏;吕淳朴;张涛;刘彦
作者机构：
四川大学,电气工程学院,成都610065;清华大学,自动化系,北京100084
文献出处：
引用格式：
[1]刘宜成;李志鹏;吕淳朴;张涛;刘彦-.基于动态时间调整的时空图卷积路网交通流量预测)[J].交通运输系统工程与信息,2022(03):147-157,178
A类：
TSARGCN,PEMSD4
B类：
时空图卷积,路网交通流量,流数据,时空特征,依赖关系,交通流参数,交通流量预测模型,注意力机制,残差网络,时空关系,关系图卷积,图卷积网络,输入数据,多分支,时间周期性,中信,信息传递,DTW,Dynamic,Time,Warping,算法计算,中节点,时间维度,相似程度,路网结构,邻近关系,流量数据,公开数据集,平均绝对误差,MAE,RMSE,ARIMA,Autoregressive,Integrated,Moving,Average,model,Long,short,term,memory,ASTGCN,Attention,Spatial,temporal,Graph,Convolutional,Network,预测算法,智能交通
AB值：
0.306078
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。
