首页 | 本学科首页   官方微博 | 高级检索  
     

基于双路信息时空图卷积网络的交通预测模型
引用本文:康雁,谢思宇,王飞,寇勇奇,徐玉龙,吴志伟,李浩.基于双路信息时空图卷积网络的交通预测模型[J].计算机科学,2021,48(z2):46-51,62.
作者姓名:康雁  谢思宇  王飞  寇勇奇  徐玉龙  吴志伟  李浩
作者单位:云南大学软件学院 昆明 650504
摘    要:随着深度学习的发展,神经网络在各个领域都有着大量的应用,智慧交通系统也不例外.交通流预测是智慧交通系统的基石,是整个交通预测的核心所在.近年来,图卷积神经网络的利用有效地提高了交通预测的性能,如何进一步提高对图的时空特征进行捕获的能力,将会成为热点.为了提升交通预测的精度,提出了一种基于双路信息时空图卷积网络的交通预测模型.首先,针对图卷积网络的交通预测模型在长距离依赖上建模有所不足,并且没有完全挖掘时空图信息之间的隐藏关系以及在时空图结构上还有信息缺失,提出了一种三重池化注意力机制来建模全局上下文信息.通过对图卷积层和时间卷积层各增加并行的三重池化注意力路径,构造了一个双路信息时空卷积层,提升了卷积层的泛化能力及模型捕获长距离依赖的能力,同时让时空卷积层能够很好地捕获时空图结构上的空间和时间特征,从而有效地提升了交通预测性能.在两个公共交通数据集(METR-LA和PEMS-BAY)上的实验结果表明,该模型具有较好的性能.

关 键 词:交通预测  图卷积神经网络  全局上下文建模  长距离依赖

Traffic Prediction Model Based on Dual Path Information Spatial-Temporal Graph Convolutional Network
KANG Yan,XIE Si-yu,WANG Fei,KOU Yong-qi,XU Yu-long,WU Zhi-wei,LI Hao.Traffic Prediction Model Based on Dual Path Information Spatial-Temporal Graph Convolutional Network[J].Computer Science,2021,48(z2):46-51,62.
Authors:KANG Yan  XIE Si-yu  WANG Fei  KOU Yong-qi  XU Yu-long  WU Zhi-wei  LI Hao
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号