Traffic speed prediction network based on multi-view spatio-temporal graph convolution network

Chenyang Cao

doi:10.1016/j.compeleceng.2025.110558

Traffic speed prediction network based on multi-view spatio-temporal graph convolution network

2025-07-24

0

PRE

AI

DOI：10.1016/j.compeleceng.2025.110558

原文链接

原文求助

摘要

En 中文

交通速度预测是构建智能交通的理论基础。在城市道路网络数据中，交通特征的演化模式波动且隐含。此外，利用注意力机制的大多数模型忽视了局部信息，并容易累积无关特征，从而降低预测精度。为增强交通速度预测模型学习城市道路网络复杂时空特征的能力，提出了一种动态时序注意力网络（DTAN）。首先，构建了多视角时序分解层，将全局节点关联、长期时序特征、稳定波动和异常波动转化为可嵌入图，捕捉多视角特征。其次，采用循环门控机制，更有效地协助膨胀因果卷积过滤无关信息，帮助模型缓解多次迭代过程中的梯度爆炸问题。最后，开发了多图融合图卷积，利用先前生成的可嵌入图结合自适应邻接矩阵，丰富图卷积可获取的特征信息。这补偿了注意力机制因噪声而遗漏的特征信息，有效整合了各类潜在的交通特征信息。在公开数据集METR-LA和PEMS-BAY上的实验验证了模型的有效性，表明该模型在长预测范围内具有高预测精度。模型代码可在https://github.com/ccy123q/code找到。

Keyword:

traffic speed prediction

spatiotemporal characteristics

attention mechanism

graph convolution

dynamic temporal attention network

Traffic speed prediction network based on multi-view spatio-temporal graph convolution network

摘要

期刊

机构

引用论文