典型文献
基于时空图卷积循环神经网络的交通流预测
文献摘要：
针对交通流预测模型中路网空间结构刻画和交通流时空特性挖掘不充分的问题,构建一种新型的有向时空图,通过定义节点相对临近度来表征路网结构关系,通过学习邻域节点对预测节点的影响权重来表征节点间时空维度的作用关系,从而能更好表达交通流的时空特性.将时空图作为预测模型的输入,采用图卷积获取交通流数据空间依赖关系,采用门控循环神经网络获取交通流数据的时空依赖关系,建立一种基于时空图卷积循环神经网络的交通流预测模型(STG-CRNN).在美国公路交通数据集上对模型预测效果进行验证,其结果表明:STG-CRNN模型的预测结果在平均绝对误差、均方根误差和平均绝对百分误差方面,均优于自回归移动平均模型、门控循环单元模型,以及扩散卷积循环神经网络模型.
文献关键词：
交通流预测;有向时空图;相对临近度;时空依赖性;图卷积网络;循环神经网络
中图分类号：
作者姓名：
谷振宇;陈聪;郑家佳;孙棣华
作者机构：
重庆大学自动化学院,重庆400044;重庆城市管理职业学院商学院,重庆 401331
文献出处：
引用格式：
[1]谷振宇;陈聪;郑家佳;孙棣华-.基于时空图卷积循环神经网络的交通流预测)[J].控制与决策,2022(03):645-653
A类：
有向时空图,相对临近度
B类：
时空图卷积,卷积循环神经网络,交通流预测,中路,流时,时空特性,义节,路网结构,结构关系,邻域,影响权重,重来,时空维度,流数据,数据空间,空间依赖,依赖关系,门控循环神经网络,STG,CRNN,公路交通,交通数据,平均绝对误差,自回归移动平均模型,门控循环单元模型,循环神经网络模型,时空依赖性,图卷积网络
AB值：
0.249637
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。
