基于时间图卷积网络的交通流时空预测模型

摘要

交通流量预测在智能交通系统中具有重要应用价值。针对循环神经网络和卷积神经网络在全局时间依赖建模方面的不足，本文提出了一种基于时间图卷积网络的时空预测模型(spatial-temporal prediction model based on temporal graph convolution network, ST-TGCN)。该模型将图卷积网络应用于时间维度，将时间步视为图的节点，从而构建全局时间关系，充分捕获时间依赖。同时，结合空间维度的图卷积，进一步提取复杂的时空依赖特性。在美国加利福尼亚州高速路网的Pems公共交通数据集上对模型性能进行验证。实验结果表明，ST-TGCN模型在交通流量预测任务中能够更有效地挖掘时间依赖，提升了预测的准确性。

关键词

交通流量预测 / 时间图卷积网络 / 时间序列