计算机科学与探索

作者：孟祥福, 徐永杰, 翁雪

单位：辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105

关键词：交通流量预测,Transformer,交叉注意力,特征嵌入

基金：国家自然科学基金（61772249）。

交通流量预测是智能交通系统的核心组成部分，对高效的交通管理和规划至关重要。针对现有方法在动态时空依赖建模和特征表示方面存在的不足，提出了一种时空交叉注意力特征融合的交通流量预测模型。通过构建动态多特征嵌入模块，融合原始数据、周期性、空间和时空自适应嵌入，生成交通流量数据内在的时空特征表示，提升了模型对多样化交通模式的适应能力。基于Transformer编码器架构，设计并行的时空自注意力模块，高效提取时间和空间特征，为深度的特征融合提供了基础。创新性地引入时空交叉注意力特征融合机制，在时间和空间维度分别使用多头交叉注意力机制，使时间特征能够自适应地学习关键节点的空间信息，同时空间特征也能选择性地聚焦于重要的时间信息，以实现时间和空间特征的深度融合，从而更全面地理解和捕捉交通流量中的动态时空依赖关系。在四个真实交通数据集上的实验结果表明，与最优基线模型相比，所提模型的MAE、RMSE和MAPE指标分别平均降低了1.56%、1.91%和2.58%。

来源：2025年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第7期