基于超图的多任务注意力交通流预测模型

针对现有的交通流预测模型中的不足，作者提出了基于超图的多任务注意力交通流预测模型HGAT-MTAN,改进了传统的图卷积神经网络。该模型首先利用循环神经网络和超图注意力网络提取多任务的共享特征；接着，为多个交通流预测任务分配私有特征；然后，通过引入多任务注意力机制，在不同任务之间实现正向知识转移；最后，为每个任务设计预测层，得到多个预测结果。将HGAT-MTAN模型与现有的多种交通流预测模型进行对照实验，结果表明，在不同城市的交通流数据集上HGAT-MTAN都取得了优于对照方法的预测性能。消融实验也进一步验证了模型组件的有效性。因此，HGAT-MTAN模型可以为交通流预测提供一种有效的解决方案，并提高交通流数据分析的准确性和可靠性。