计算机科学与探索

作者：姜山, 丁治明, 徐馨润, 严瑾

单位：1.中国科学院 软件研究所，北京 1001902.中国科学院大学，北京 1001903.大规模流数据集成与分析技术北京市重点实验室，北京 100190

关键词：交通流态势预测,图卷积,图小波神经网络,交通流

融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题。然而，传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相关性。针对交通路网交通流态势预测问题，提出了一种基于图结构的交通流预测深度学习模型。首先，基于图小波变换定义图小波卷积算子，设计了面向路网交通流态势预测的图小波卷积神经网络模块；其次，结合时空注意机制构建了用于道路网络交通流态势预测的时空动态相关性模型，以捕获交通网络的动态时空相关性；最后，采用叠加多层图小波神经网络模块的策略，构建了一种面向路网交通流态势预测的图小波卷积神经网络模型。实验结果表明，该网络模型在数据集上的性能优于现有的基线模型。通过图小波变换矩阵与傅里叶变换矩阵非零元素统计对比实验，发现基于图小波变换定义的卷积运算更具稀疏性。因此，基于图小波变换定义的卷积运算更有助于提升交通流态势预测模型的计算效率。

来源：2021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2021年第6期