计算机应用研究

作者：钟林岚,张安勤,田秀霞,

单位：1.上海电力大学计算机科学与技术学院,上海201306；2.汕头大学地方政府发展研究所,广东汕头515063；

关键词：交通流量预测,图卷积网络,多头注意力机制,门控循环单元,门控融合机制,时空融合,

基金：广东省人文社会科学重点研究基地-汕头大学地方政府发展研究所开放基金课题(07422002)；；

为了捕获交通流量数据中复杂的时空动态变化关系以及周期性变化的特征，同时避免道路突发情况引起的误差累计效应，提出一种基于周期图卷积（periodic graph convolution network，PGCN）与多头注意力门控循环单元（multi-head attention gated recurrent unit，MAGRU）组合的交通流量预测模型。首先，模型的时空数据融合模块利用交通流量的周期相似性构建周期图，同时将空间和时间编码信息添加至交通流量序列数据；然后在时空特征提取模块中，GCN子模块捕获周期特征图中的空间特征，MAGRU子模块捕获序列数据中的时间特征；最后通过门控融合机制将两者提取的时空特征进行融合。模型在两个真实的交通流量数据集上进行了实验。结果表明，该模型相较于多个最新基准模型，在MAE、RMSE、MAPE三个预测误差指标上平均降低了5.4%、22.8%、10.3%，R2精确度指标平均提高了11.6%。说明模型在预测精度方面有显著的改进，并能有效减少误差累积效应。

来源：2024年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第4期