融合注意力与时空图卷积网络的交通流量预测

摘要

交通流量预测是交通领域的重要研究课题，虽然深度学习在实践中展现出良好的预测效果，但现有方法尚未充分考虑交通数据的时空依赖性.为解决这一问题，提出了一种融合多种注意力与时空图卷积网络(HASTGCN)模型.该模型由若干个ST Block组成，每个模块由注意力机制层和时空图卷积层构成.注意力机制层捕获交通数据的动态时空相关性，时空图卷积层捕获空间模式和时间特征.在PEMS公开数据集上进行实验，大量实验结果表明，HASTGCN模型的预测性能明显优于此前提出的方法，提升了交通流量预测的准确性和可靠性.

关键词

交通流量预测 / 注意力 / GCN / 时空相关性