针对公交车客流预测中时空依赖关系难以有效利用的问题,提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先,利用时间特征编码器捕获不同时段客流之间的相似性,引入公交车站点的兴趣点(point of interest,POI)...针对公交车客流预测中时空依赖关系难以有效利用的问题,提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先,利用时间特征编码器捕获不同时段客流之间的相似性,引入公交车站点的兴趣点(point of interest,POI)信息以辅助模型捕捉更多的节点特征。其次,采用动态建模时空依赖关系的方法完成对非欧几里得关系的建模,利用SimAM注意力模块捕获不同站点客流数据之间的整体差异性。在真实公交车客流数据集上的实验结果表明,相比最优基线模型,所提模型在预测未来12个时间步时的平均MAE和RMSE分别降低了0.34和0.33,展现了其在公交车客流预测中的有效性和优越性。展开更多
文摘针对公交车客流预测中时空依赖关系难以有效利用的问题,提出一种基于多信息注意力机制的动态自适应对抗图卷积网络客流预测模型。首先,利用时间特征编码器捕获不同时段客流之间的相似性,引入公交车站点的兴趣点(point of interest,POI)信息以辅助模型捕捉更多的节点特征。其次,采用动态建模时空依赖关系的方法完成对非欧几里得关系的建模,利用SimAM注意力模块捕获不同站点客流数据之间的整体差异性。在真实公交车客流数据集上的实验结果表明,相比最优基线模型,所提模型在预测未来12个时间步时的平均MAE和RMSE分别降低了0.34和0.33,展现了其在公交车客流预测中的有效性和优越性。
