基于自适应残差动态融合图注意力网络的交通速度预测

摘要

在现代智能交通系统领域里,准确预测交通速度对缓解交通拥堵、提高道路安全以及优化交通管理有着重要意义。为提升现有的交通速度预测模型在中长期预测任务中的性能,本文提出一种自适应残差动态融合图注意力网络的交通速度预测方法,该方法中的双模态图架构通过对自适应邻接矩阵与动态邻接矩阵进行并行处理和动态融合,可以捕捉路网静态拓扑和动态时空关联特征;采用门控时间卷积实现特征筛选,并利用多头注意力机制增强时空特征表达能力,设计动态特征融合单元,通过残差连接保留静态拓扑信息,结合跨层多尺度特征融合避免特征退化。实验结果显示,与Graph WaveNet相比,本模型在METR-LA和PEMS-BAY数据集60 min预测任务中均方根误差分别减少22.5%和22.6%。该模型能够实时适应交通状态的变化,为交通管理部门提供精准的速度预测,辅助拥堵疏导、动态路径规划和突发事件响应,具备较高的实际应用价值。

关键词

城市交通 / 交通速度预测 / 双模态图融合 / 动态图卷积网络 / 残差机制 / 注意力机制