摘要
交通量预测一直是智能交通领域的关键问题,然而交通量具有非线性和复杂的Spatial-Temporal依赖性,因此对交通量的预测有很大的挑战性。针对交通量的高复杂性,我们有效捕获交通量数据中动态Spatial-Temporal相关性的Spatial-Temporal注意机制。其次,我们利用graph Convolutional来捕获Spatial模式和常用标准卷积来描述Temporal特征的卷积。最后对近期、日周期和周周期分量的输出进行加权融合,生成最终的预测结果,在PeMS04真实数据集上验证实验精度。
出处
《绥化学院学报》
2022年第9期147-151,共5页
Journal of Suihua University
基金
宿州学院校级科研平台开放课题项目(2019ykf30)
宿州学院与安徽大学合作开展横向项目(2017hx001)
宿州学院校级科研平台开放课题项目(2019ykf03)
安徽省教育厅高校科学研究重点项目(KJ2019A0668)
