计算机科学与探索

作者：薛延明, 李光辉, 齐涛

单位：江南大学 人工智能与计算机学院，江苏 无锡 214122

关键词：图卷积网络,智能交通系统,注意力机制,小波变换,时空相关性

交通流预测是现代智能交通系统管理和控制的重要环节。然而，交通流复杂多变，一方面城市道路之间联系性强，另一方面道路交通情况还会随着时间呈现动态变化。近年来有许多研究者尝试利用深度学习方法提取交通流中复杂的结构特征，但是局部特征提取的过程缺乏灵活性，同时忽略了时空特征的动态变化性以及局部和全局时空特征之间的关联性。因此，提出了一种融合图小波和注意力机制的交通流预测方法。该方法采用小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息，并结合改进的循环神经网络提取局部时间特征信息。同时，该方法通过注意力机制来捕获时空动态变化性，并利用一种时空特征融合机制来融合局部和全局时空特征信息。实验结果表明，该方法能很好地提取真实交通数据集中空间和时间特征，预测效果优于现有的方法。

来源：2023年第6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2023年第6期