基于Graph Transformer的大规模路网交通流量预测
董成祥1
魏昕1
张坤鹏2
汪永超3
1.广东工业大学 机电工程学院,广东 广州,5100062.河南工业大学 电气工程学院,河南 郑州,4500013.广州番禺职业技术学院 智能制造学院,广东 广州,511483
摘要：为了捕捉大规模路网交通流量复杂、动态的时空特征,实现大规模路网交通流量的准确预测,建立了基于Graph Transformer的交通流预测模型.该模型运用GRU模块提取路网中历史交通流量的时间特征,根据分布在路网中的传感器之间的关联,建立以历史交通流量为节点、传感器间的相互联系为边的交通图.在此基础上,运用基于Graph Transformer的深度学习技术进行时空特征的提取.为了验证该预测模型的性能,基于PeMS高速公路数据集与6种基线模型进行对比,实验表明本文提出的预测模型展现了最优的预测性能.
关键词：大规模路网门控循环单元时空特征交通流量
分类号：U491(交通工程与公路运输技术管理)
资助基金：国家自然科学基金(62002101)广东省普通高校特色创新项目(2022KTSCX293)广州市教育局高校科研项目(202235232)
论文发表日期：2023-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 159-167 )
英文信息